{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,3,13]]，“日期时间”：“2024-03-13T00:30:59Z”，“时间戳”：1710289859621}，“发布者位置”：“Cham”，“引用计数”：31，“发布商”：“Springer Nature Switzerland”，“isbn-type”：[{“值”：“9783031398209”，“类型”：”打印“}，{“值”：“9783031398216”，“类型”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2023,1,1]]，“date-time”：“2023-01-01T00:00:00Z”，“timestamp”：1672531200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com\/gp\/searners\/text-and-data-mining”}，{“tart”：1-01T00:00:00Z“，”时间戳“：1672531200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[[2023,1,1]]，“date-time”：“2023-01-01T00:00:00Z”，“timestamp”：1672531200000}，“content-version”：“tdm”，“delay-in-days”：“0，“URL”：“http://www.sprinternature.com/gp”\/researchs\/text-and-data-mining“}，{“start”：{“date-parts”：[[2023,1,1]]，“date-time”：“2023-01-01T00:00:00Z”，“timestamp”：1672531200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\\/www.springernature.com\/gp\/researters\/text-and-data-mining”}]，“content-domain”:{“domain”：[“link.springer.com”]，“crossmark-restriction”：false}，”shortcontainer-title“：[]，“published-print”用法：{“date-parts”：[[2023]]}，“DOI”：“10.1007\/978-3-031-39821-6_29”，“type”：“book-chapter”，“created”：{”date-part“：[[2023,8,15]]，“date-time”：“2023-08-15T21:01:25Z”，“timestamp”：1692133285000}，”page“：”347-362“，”update-policy“：“http://\/dx.DOI.org\/10007\/springer_crossmark_policy“，”source“：”Crossref“，”is-referenced-by-count“：0，”title“：[“用于优化\u00a0结构公平性的多任务图神经网络”]，“前缀”：“10.1007”，“作者”：[{“给定”：“嘉惠”，“家庭”：“王”，“序列”：“第一”，“从属”：[]}，{“给出”：“孟”，”家庭“：“李”，“顺序”：“附加”，“隶属”：[]}，{“给定”：“仙开”，“家族”：“萌”，“序列”：“附加”，“隶属关系”：[]｝，｛“给定”：“澄城”，“家族”：“余”，“序列”：“附加”，“隶属关系”：[]｝]，“成员”：“297”，“在线发布”：｛“日期部分”：[[2023,8,16]]｝，“引用”：[｛“密钥”：“29_CR1”，“非结构化”：“Besta，M.，Iff，P.，Scheidl，F.，et al.：神经图形数据库。In:Learning on Graphs Conference，vol.198，P.31（2022）”}，{“key”：“29_CR2”，“unstructured”：“Ren，H.，Galkin，M..，Cochez，M.等：神经图形推理：复杂逻辑查询回答满足图形数据库，CoRR abs \/2303.14617，“doi-asserted-by”：“publisher”，“first page”：“249”，“doi”：“10.1109\/TKDE.2020.2981333”，“volume”：”34“，“author”：“Z Zhang”，“year”：“2022”，“unstructured”：“Zhang，Cui，P.，Zhu，W.：图形深度学习：一项调查。IEEE Trans.Knowl.Data Eng.34（1），249\u2013270（2022）”，“journal title”：“IEEE Trans.Knowl.Data Eng.”}，{“issue”：“1“，”键“：”29_CR4“，“doi断言者”：“出版商”，“首页”：“4”，“doi”：“10.1109\/TNNLS.202020.2978386”，“卷”：“32”，“作者”：“Z Wu”，“年份”：“2021”，“非结构化”：“Wu，Z.，Pan，S.，Chen，F.等人：图形神经网络综合调查。IEEE Trans.neural Netw.Learn.Syst.32（1），4\u201324（2021）”，“期刊标题”：“IEEE Trans.neural Netw.Learn.Syst.”}，{“issue”：“14”，“key”：“29_CR5”，“doi-asserted-by”：“publisher”，“first page”：：“16962”，“doi”：“10.1007\/s10489-022-03277-x”，“volume”：”52“，“author”：“J Wang”，“year”：“2022”，“unstructured”：“Wang，J.，Guo，Y.，Wang，Z.，et al.：图形神经网络与孤立边缘群的特征增强。Appl.Intell.52（14），16962\u201316974（2022）”，“journal-title”：“Appl.Intell.”}，{“key”：“29_CR6”，“doi-asserted-by”：“crossref”，“unstructured”：“Kang，J.，Zhu，Y.，Xia，Y.等：RawlsGCN:走向图卷积网络上的罗尔斯差分原理。In:ACM Web Conference，pp.1214\u20131225（2022）”，“doi”：“10.1145\/3485447.3512169”}：“Henaff，M.，Bruna，J.，LeCun，Y.：图形结构数据上的深度卷积网络。arXiv预印本arXiv:1506.05163（2015）”}，{“key”：“29_CR8”，“unstructured”：“Defferrard，M.、Bresson，X.、Vandergheynst，P.：具有快速局部谱滤波的图上卷积神经网络。In:Advances In Neural Information Processing Systems，vol.29，pp.3837\u20133845（2016）“}，{“key”：“29_CR9”，“unstructured”：“Kipf，T.N.，Welling，M.：图卷积网络的半监督分类。In:International Conference on Learning Representations，ICLR（2017）”}，}，“key“：”29_CR10“，”doi-asserted-by“：”crossref“，”unstructure“：”Xu，B.，Shen，H.，Cao，Q.，et al.：使用热核进行半监督学习的图卷积网络。在：国际人工智能联合会议，IJCAI，pp.1928\u20131934（2019）”，“DOI”：“10.24963\/IJCAI.2019\/267”}，｛“key”：“29_CR11”，“DOI断言”：“crossref”，“非结构化”：“Klicpera，J.，Bojchevski，A.，G\u00fcnnemann，S.：预测然后传播：图神经网络满足个性化页面等级。在：国际学习表征大会，ICLR（2019）”，“DOI”：“10.1145\/3394486.3403296”}，{“key”：“29_CR12”，“非结构化”：“Chen，M.，Wei，Z.，Huang，Z.等人：简单和深度图卷积网络。在：国际机器学习大会，第119卷，第1725\u20131735（2020）”}，{“key”：“29_CR13”，“非结构化”：“Xu，B.，Shen，H.，Cao，Q.，et al.：图小波神经网络。In:国际学习表征会议，ICLR（2019）“}，{“key”：“29_CR14”，“unstructured”：“Wu，F.，Souza，A.，Zhang，T.等：简化图卷积网络。参加：机器学习国际会议。机器学习研究论文集，第97卷，pp.6861\u20136871（2019）“}，{“key”：“29_CR15”，“unstructured”：“Hamilton，W.L.，Ying，Z.，Leskovec，J.：大图上的归纳表示学习。In:Advances In Neural Information Processing Systems，vol.30，pp.1024\u20131034（2017）”}，}，[key“：”29_CR16“，”unstructure“：”Velickovic，P.、Cucurull，G.、Casanova，A.等人：图形注意力网络。In:国际学习表征会议，ICLR（2018）“}，{“key”：“29_CR17”，“doi-asserted-by”：“crossref”，“unstructured”：“Shi，Y.，Huang，Z.，Feng，S.，et al.：蒙蔽标签预测：半监督分类的统一消息传递模型。In:国际人工智能联合会议，pp.1548\u20131554。ijcai.org（2021）“，”DOI“：”10.24963\/ijcai.2021\/214“}，{“key”：“29_CR18”，“unstructured”：“Corso，G.，Cavalleri，L.，Beaini，D.，et al.：图形网络的主邻域聚合。In:Advances In Neural Information Processing Systems（2020）”}，}，“key“：”29_CR19“，”DOI-asserted-by“：”crossref“，”unstructure“：”Zhang，S.，Xie，L.：通过基数保持改进图神经网络中的注意机制。In：国际人工智能联合会议，IJCAI，pp.1395\u20131402（2020）“，“DOI”：“10.24963\/IJCAI.2020 \/194”}，{“key”：“29_CR20”，“unstructured”：“Rong，Y.，Huang，W.，Xu，T.，et al.：DropEdge：面向深度图卷积网络的节点分类。In：学习表征国际会议，ICLR（2020）”}，{“key”：“29_CR21”，“unstructured”：“Xu，K.，Li，C.，Tian，Y.，et al.：具有跳跃知识网络的图的表示学习。In:机器学习国际会议，ICML，vol.80，pp.5449\u20135458（2018）”}，{《key》：“29-CR22”，“非结构化”：“Zhao，L.，Akoglu，L.：PairNorm：解决GNN中的过度平滑问题。in:学习表征国际会议。OpenReview.net（2020）”}，{“key”：“29_CR23”，“doi-asserted-by”：“crossref”，“unstructured”：“Yang，H.，Ma，K.，Cheng，J.：重新思考图形神经网络的图形正则化。In:AAAI人工智能会议，pp.4573\u20134581（2021）”，“DOI”：“10.1609\/AAAI.v35i5.16586”}，{“key”：“29_CR24”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chen，D.，Lin，Y.，Li，W.，et al.：从拓扑角度测量和缓解图神经网络的过平滑问题。摘自：AAAI人工智能会议，第3438\u20133445页。AAAI Press（2020）“，”DOI“：”10.1609\/AAAI.v34i04.5747“}，{”key“：”29_CR25“，”DOI-asserted-by“：”crossref“，”unstructured“：”Grover，A.，Leskovec，J.：Node2vec：网络可扩展特征学习。In:ACM SIGKDD国际会议，pp.855\u2013864（2016）“Yang，Z.，Cohen，W.W.，Salakhutdinov，R.：用图嵌入重新审视半监督学习。In：机器学习国际会议，ICML，第48卷，第40\u201348页（2016）“}，{“key”：“29_CR27”，“unstructured”：“Liao，R.，Brockschmidt，M.，Tarlow，D.，et al.：半监督分类的图形划分神经网络。In：学习表征国际会议，国际学习报告（2018）”}publisher”，“first page”：“3115”，“DOI”：“10.1007”，卷：“10”，“author”：“S Yu”，“year”：“2019”，“unstructured”：“Yu，S.，Yang，X.，Zhang，W.：PKGCN：用于基于图形的半监督学习的先验知识增强图卷积网络。国际机械工程师协会。学习。赛博。10，3115\u20133127（2019）“，“期刊标题”：“国际期刊。学习。赛博。“}，{”key“：”29_CR29“，”doi-asserted-by“：”crossref“，”unstructured“：”Lei，F.，Liu，X.，Dai，Q.，et al.：混合低阶和高阶图卷积网络。Compute.Intell.Neurosci.2020，3283890:1\u20133283890:9（2020）“，”doi“：”10.1155\/2020\/3283890“}”，{“issue”：“6”，“key”：“29_CR30”，“doi-assert-by”：“publisher”，“”首页“：”1144“，”doi“：”10.1007\/s12559-020-09788-4“，“卷”：“12”，“作者”：“S Chen”，“年份”：“2020”，“非结构化”：“Chen，S.，Tian，X.，Ding，C.H.Q.，et al.：基于流形相似学习的图卷积网络。认知。计算。12（6），1144\u20131153（2020）“，“新闻标题”：“认知。计算。“}，{”key“：”29_CR31“，”doi-asserted-by“：”publisher“，”first-page“：”15“，”doi“：”10.1016\/j.patrec.2021.04.021“，”volume“：“148”，”author“：”F Manessi“，”year“：”2021“，”unstructured“：”Manessi，F.，Rozza，A.：具有多个自监督辅助任务的基于图的神经网络模型。Pattern Recogn.Lett.148，15\u201321（2021）“，”journal-title“：”模式识别。莱特。“}]，”container-title“：[”计算机科学讲义“，”数据库和专家系统应用程序“]，”original-title”：[]，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3031-39821-6_29“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]“，”deposed“：{”date-parts“：[[2024,3,12]]，”date-time“：”2024-03-12T18:49:21Z“，”timestamp“：1710269361000}，”score“：1，”resource“：{”primary“：”URL“：”https:\\/link.springer.com\/10.1007\/978-3-031-39821-6_29“}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{，“9783031398216”]，“references-count”：31，“URL”：“http:\/\/dx.doi.org\/10.1007\/978-3-031-39821-6_29“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”0302-7743”，“type”：“print”}，{”value“：“1611-3399”，“类型”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[2023]}，“assertion”：[{“value”：“2023年8月16日”，“订单”：1，“名称”：“first_online”，“标签”：“第一在线”，“群组”：{”name“：”ChapterHistory“，”label“：”ChapterHistory“｝｝｝，｛”value“：”DEXA“，”order“：1，”name“：”conference_name“，”label“：”ConferenceInfo“，”label“：”ConferenceInformation“｝｝，｛”value“：”数据库和专家系统应用国际会议“，”order“：2，”name“：”conference_name“，”label“：”ConferenceName“，”group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”槟榔屿“，”order“：3，”name““：”Conference_city“，”标签“：”会展城市“，”group“:“：”会议信息“}}，{”value“：”2023“，”order“：5，”name“：”Conference_year“，”label“：”Conference_year“，“group”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}、{“value”：“2023年8月28日”，“order”：7，“name”:“Conference_start_date”，”lable“：”会议开始日期“，”group“：：“2023年8月30日”，“order”：8，“name”：“conference_end_date”，“label”：“会议结束日期”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“34”，“order”：9，“name”：“conference_number”，“label”：“ConferenceNumber”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“dexa2023”，“order”：10，“name”：“conference_id“，”label“：”会议id“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”https:\/\/www.dexa.org\/dexa2023“，”order“：11，“name”：“conferenceurl”，“label”：“会议url”，“group”：{“type”，“label”：“type”，“group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”EquinOCS“，”order“：2，”name“:”conference_management_system“，”标签“：”会议管理系统“，”group“同行评审信息（由会议组织者提供）“}}，{”value“：”155“，”order“：3，”name“：”number_of_submissions_sent_for_Review“，“label”：“发送供评审的提交数”，“group”：{”name“:”ConfEventPeerReviewInformation“，”label“：”同行评审信息“（由会议主办方提供）”}}}、{“value”：“49”，“order”：4，“name”：“”number_of_full_papers_accepted“，”label“：”接受的全文数“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行评审信息（由会议组织者提供）“}}，{”value“：”35“，”order“：5，”name“:”number_ of_short_papers_Accepteded“，”table“：”已接受的短文数“，“group”：{“name”：“”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”32%-该值由等式“接受的全文数”/“发送供评审的提交数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_Full_Papers“，”标签“：”全文接受率“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”3“，”order“：7，”name“:”average_number_of_reviews_per_paper“，”标签“：”每篇论文的平均评论数“，”google“：同行评议信息（由会议组织者提供）“}}，{“value”：“4”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）”}}external_reviewers_involved“，”label“：”涉及的外部审阅者“，”group“：关于评审过程的附加信息”，“组”：｛“名称”：“ConfEventPeerReviewInformation”，“标签”：“同行评审信息（由会议组织者提供）”｝｝