[1] 袁立宁, 李欣, 王晓冬, 等.图嵌入模型综述[J] ●●●●。计算机科学与探索, 2022, 16(1): 59-87. 袁隆恩,李霞,王晓东,等。图嵌入模型综述[J]。计算机科学与技术前沿杂志,2022,16(1):59-87。 [2] 郑裕龙, 陈启买, 贺超波, 等.图卷积网络增强的非负矩阵分解社区发现方法[J] ●●●●。计算机工程与应用, 2022, 58(11): 73-83. ZHENG Y L,CHEN Q M,HE C B,et al.图卷积网络增强的非负矩阵分解社区检测方法[J]。计算机工程与应用,2022,58(11):73-83。 [3] ZHAO J,WEN T,JAHANSHAHI H,et al.基于随机行走的重力模型,用于识别复杂网络中有影响力的节点[J]。信息科学,2022,609:1706-1720。 [4] 马帅, 刘建伟, 左信.图神经网络综述[J] ●●●●。计算机研究与发展, 2022, 59(1): 47-80. 马仕,刘建伟,邹欣.图神经网络综述[J]。计算机研究与发展杂志,2022,59(1):47-80。 [5] 来杰, 王晓丹, 向前, 等.自编码器及其应用综述[J] 《通信报》,2021,42(9):218-230。 赖杰,王晓东,向群,等。自动编码器及其应用综述[J]。通讯杂志,2021,42(9):218-230。 [6] KIPF T N,WELLING M.变分图自动编码器[J]。arXiv:1611.07308v12016年。 [7] 翟正利, 梁振明, 周炜, 等.变分自编码器模型综述[J] ●●●●。计算机工程与应用, 2019, 55(3): 1-9. ZHAI Z L,LIANG Z M,ZHOU W,等.变分汽车发动机模型研究综述[J]。计算机工程与应用,2019,55(3):1-9。 [8] 徐冰冰, 岑科廷, 黄俊杰, 等.图卷积神经网络综述[J] 《经济学人》,2020,43(5):755-780。 徐伯斌,岑克堂,黄建杰,等.图卷积神经网络研究综述[J]。中国计算机学报,2020,43(5):755-780。 [9] SALHA G,HENNEQUIN R,VAZIRGIANNIS M。具有一跳线性模型的简单有效的图形自动编码器[C]//2020年欧洲机器学习和数据库知识发现联合会议论文集。查姆:施普林格,2020年:319-334。 [10] AHN S J,KIM M.变分图归一化自编码器[C]//第30届ACM信息与知识管理国际会议论文集。纽约:ACM,2021:2827-2831。 [11] GUO L,DAI Q.基于变分图嵌入的图聚类[J]。模式识别,2022,122:1-12。 [12] LEE N,LEE J,PARK C.图上的无增强自监督学习[C]//2022年AAAI人工智能会议论文集。门罗公园:AAAI,2022:7372-7380。 [13] 袁立宁, 刘钊.基于一张快照聚合自编码器的图表示学习[J] .阿肯色州,2023,43(1):8-14。 YUAN L N,LIU Z.利用一次聚合的自动编码器进行图形表示学习[J]。《计算机应用杂志》,2023,43(1):8-14。 [14] 李德,李德,LIAN G.图表示学习中互信息最大化的变分图自动编码器[J]。国际模式识别与人工智能杂志,2022,36(9):1-18。 [15] 王德,崔萍,朱伟.结构深层网络嵌入[C]//第22届ACM SIGKDD国际知识发现与数据挖掘会议论文集。纽约:ACM,2016:1225-1234。 [16] 唐杰,QU M,WANG M,等.LINE:大规模信息网络嵌入[C]//第24届万维网国际会议论文集。纽约:ACM,2015:1067-1077。 [17] FIRTH J R.语言理论概要,1930-1955[M]//语言分析研究。牛津:语言学会,1957:1-32。 [18] ZACHARY W W.小群体冲突与分裂的信息流模型[J]。《人类学研究杂志》,1977,33(4):452-473。 [19] KLEINBERG J M.超链接环境中的权威来源[J]。美国医学会杂志,1999,46(5):604-632。 [20] CAO S,LU W,XU Q.GraRep:具有全局结构信息的学习图表示[C]//第24届ACM信息与知识管理国际会议论文集。纽约:ACM,2015:891-900。 [21]DEFFERRARD M,BRESSON X,VANDERGHEYNST P.带快速局域谱滤波的图上卷积神经网络[C]//第30届神经信息处理系统国际会议论文集。纽约:ACM,2016:3844-3852。 [22]郭Z,王峰,姚克,等.用于链接预测的多尺度变分图自动编码器[C]//第十五届ACM网络搜索与数据挖掘国际会议论文集。纽约:ACM,2022:334-342。 [23] 康世泽, 吉立新, 张建朋.一种基于图注意力网络的异质信息网络表示学习框架[J] ●●●●。电子与信息学报, 2021, 43(4): 915-922. 康素忠,JI L X,ZHANG J P.基于图注意网络的异构信息网络表示学习框架[J]。电子与信息技术杂志,2021,43(4):915-922。 [24]HY T S,KONDOR R.多分辨率等变图变分自动编码器[J]。机器学习:科学与技术,2023,4(1):1-24。 [25]GOYAL P,FERRARA E.图形嵌入技术、应用与性能:综述[J]。基于知识的系统,2018,151:78-94。 [26]王C,PAN S,HU R,等.属性图聚类:深度注意嵌入方法[C]//第28届国际人工智能联合会议论文集。纽约:ACM,2019:3670-3676。 |