{“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”：[[2024,6,25]]，“日期-时间”：“2024-06-25T00:53:12Z”，“时间戳”：1719276792981}，“发布者位置”：“美国纽约州纽约市”，“引用-计数”：54，“发布商”：“ACM”，“内容-域”：[“dl.ACM.org”]，“交叉标记-re striction“：true}，”short-container-title“（限制）：[]，“published-print”：{“date-parts”：[[2020,1,20]]}，“DOI”：“10.1145\/3336191.3371843”，“type”：“proceedings-article”，“created”：{“date-ports”：[2020,1,22]]，“date-time”：“2020-01-22T19:08:16Z”，“timestamp”：1579720096000}，《update-policy》：“http://\/dx.DOI.org\/10.1145\/crossmark-policy”，“source”“：”Crossref“，”is-referenced-by-count“：25，”title“：[“A Structural Graph Representation Learning Framework”]，“prefix”：“10.1145”，“author”：[{“given”：“Ryan A.”，“family”：“Rossi”，“sequence”：“first”，“affiliation”：[}“name”：“Adobe Research，San Jose，CA，USA”}]}，{“给定”：“Nesreen K.”，“家族”：“Ahmed”，“序列”：“additional”，“从属关系”：[[{”name“Intel Labs，Santa Clara，CA，US”}]{，“givent”：“Eunyee“”，“family”：“Koh”，“sequence”：“additional”，“affiliation”：[{“name”：“Adobe Research，San Jose，CA，USA”}]}，{“given”：“Sungchul”，“failment”：“Kim”，“serquence”:“additionable”，“ffility”：[[{”name“：”Adobe Resource，San Jose，CA美国“}]}，{“给定”：“Yasin”，“family”：“Abbasi-Yadkori”，“sequence”：“additional”，“affiliation”：[{“name”：“VinAI，Hanoi，Vietnam”}]]，“member”：“320”，“published-on-line”：{“date-parts”：[[2020,1,22]}，“reference”：[}“key”：“e_1_3_2_1_1_1_1”，《doi-asserted-by》：“crossref”，”“unstructured”：“Nesreen K.Ahmed Jennifer Ryan A.Rossi和Nick Duffield。2015。大型网络的高效Graphlet计数。在ICDM中。10.内斯林·K·艾哈迈德·詹妮弗·内维尔·瑞安·A·罗西和尼克·达菲尔德。2015年，大型网络的高效Graphlet计数。在ICDM中。10.“，”DOI“：”10.1109\/ICDM.2015.141“}，{”key“：”e_1_3_2_1_2_1“，”DOI-asserted-by“：”crossref“，“unstructured”：“Nesreen K.Ahmed Ryan A.Rossi Theodore L.Willke and Rong Zhou.2017。通过高阶结构发现边缘角色。PAKDD。291--303. Nesreen K.Ahmed Ryan A.Rossi Theodore L.Willke和Rong Zhou。2017.通过高阶结构发现边缘角色。帕克德。291--303.“，“DOI”：“10.1007\/978-3-319-57454-7_23”}，{“key”：“e_1_3_2_1_1”，“volume-title”：“香港向南，西奥多·威尔克和霍达·埃尔达迪里”，“author”：“艾哈迈德·内斯林K”，“year”：“2018”，“unstructured”：“内斯林·艾哈迈德，瑞恩·罗西，荣周，约翰·博阿兹·李，香港向南、西奥多·L。Willke和Hoda Eldardiry。2018 . 学习基于角色的图形嵌入。在arXiv中：1802.02896。Nesreen K.Ahmed、Ryan A.Rossi、Rong Zhou、John Boaz Lee、Xiannan Kong、Theodore L.Willke和Hoda Eldardiry。2018.学习基于角色的图形嵌入。在arXiv中：1802.02896。“｝，｛”key“：”e_1_3_2_1_4_1“，”volume title“：”Rossi“，”author“：”Ahmed Nesreen K.“，”year“：”2016“，”nonstructured“：”Nesreen K.Ahmed，Theodore L.Willke，and Ryan A.Rossi“。2016。局部子图计数的估计。在BigData中。586-595。内斯琳·艾哈迈德（Nesreen K.Ahmed）、西奥多·威尔克（Theodore L.Willke）和瑞安·罗西（Ryan A.Rossi）。2016.局部子图计数估算。在BigData中。586--595.“}，{”key“：”e_1_3_2_1_5_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1088\/1751-8113\/41\/22\/224001”}，“key”：“e_1_ 3_2_1 _6_1”，“volume-title”：“Science”，“卷”：“353”，“author”：“Benson Austin R”，“年份”：“2016”，“非结构化”：“奥斯汀·R·本森（Austin R Benson）、大卫·F·格莱奇（David F Gleich）和尤尔·莱斯科维奇（Jure Leskovec）。2016 . 复杂网络的高阶组织。《科学》，第353卷，第6295页（2016年），第163-166页。奥斯汀·R·本森（Austin R Benson）、大卫·F·格莱奇（David F Gleich）和尤尔·莱斯科维奇（Jure Leskovec）。2016年，复杂网络的高阶组织。《科学》，第353卷，第6295卷（2016年），第163-166页。“}，{“key”：“e_1_3_2_1_7_1”，“volume-title”：“属性图的深高斯嵌入：通过排名的无监督归纳学习。arXiv:1707.03815”，“author”：“Bojchevski Aleksandar”，“year”：“2017”，“unstructured”：“Aleksanda Bojchevski and Stephan G\u00fcnnemann.2017”。属性图的深高斯嵌入：通过排名的无监督归纳学习。arXiv:1707.03815（2017）。Aleksandar Bojchevski和Stephan G\u00fcnnemann。2017.属性图的深高斯嵌入：通过排名的无监督归纳学习。arXiv:1707.03815（2017）。}，{“键”：“e_1_3_2_1_8_1”，“doi-asserted-by”：“交叉引用”，“非结构化”：“S.P.Borgatti和M.G.Everett，1992。社会网络分析中的位置概念。社会学方法论第22卷1（1992）1-35。S.P.Borgatti和M.G.Everett。1992年。社会网络分析中的位置概念。社会学方法论第22 1卷（1992）1-35.“，“DOI”：“10.2307\/270991”}，{“key”：“e_1_3_2_1_9_1”，“unstructured”：“Shaosheng Cao Wei Lu和Qiongkai Xu.2015。GraRep：具有全局结构信息的学习图表示。在CIKM中。ACM 891--900。曹伟路少胜和徐琼凯。2015.GraRep：使用全局结构信息学习图形表示。在CIKM中。ACM 891--900.“}，{“key”：“e_1_3_2_1_10_1”，“volume-title”：“Kevin Chen-Chuan Chang和Erik Cambria”，“author”：“Cavallari Sandro”，“year”：“2017”，“unstructured”：“Sandro Cavallari、Vincent W Zheng、Hong yun Cai、Kevin Chen Chuan Chang和Erik Cambria。2017 . 通过社区检测和图上节点嵌入学习社区嵌入。在CIKM中。377--386. Sandro Cavallari、Vincent W Zheng、Hongyun Cai、Kevin Chen-Chuan Chang和Erik Cambria，2017年。通过社区检测和图上节点嵌入学习社区嵌入。在CIKM中。377--386.”}，{“key”：“e_1_3_2_1_11_1”，“doi断言者”：“crossref”，“非结构化”：“Shiyu Chang Wei Han Jiliang Tang Guo Jun Qi Charu C Aggarwal and Thomas S Huang。2015。通过深层架构嵌入异构网络。在SIGKDD中。119--128. Shiyu Chang Wei Han Jiliang Tang Guo-Jun Qi Charu C Aggarwal和Thomas S Huang。2015.通过深层架构嵌入异构网络。在SIGKDD中。119-128.“，“DOI”：“10.1145\/2783258.2783296”}，{“key”：“e_1_3_2_12_1”，“volume-title”：“Mohammad Al-Hasan，and Alfred O Hero”，“author”：“Chen Pin-Yu”，“year”：“2015”，“unstructured”：“陈品玉、张百川、穆罕默德·哈桑和阿尔弗雷德·奥赫罗。2015 . 递增阶谱聚类的增量方法。在arXiv中：1512.07349。陈品玉、张百川、穆罕默德·哈桑和阿尔弗雷德·奥赫罗。2015.递增订单谱聚类的增量方法。在arXiv中：1512.07349。“}，{”key“：”e_1_3_2_13_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1075\/ijcl.114.04che”}，“key”：“e_1_ 3_2_14_1”，“unstructured”：“Michael Collins Sanjoy Dasgupta和Robert e Schapire，2002。将主成分分析推广到指数族。以NIPS为单位。617--624. 迈克尔·柯林斯（Michael Collins）、桑乔伊·达斯古普塔（Sanjoy Dasgupta）和罗伯特·夏皮雷（Robert E Schapire）。2002.主成分分析对指数族的推广。以NIPS为单位。617--624.“}，{”key“：”e_1_3_2_1_15_1“，”unstructured“：”Micha\u00ebl Defferrard Xavier Bresson和Pierre Vandergheynst.2016。图上的卷积神经网络，具有快速局部谱滤波。NIPS。3844--3852. Micha\u00ebl Defferrard Xavier Bresson和Pierre Vandergheynst。2016.图上的卷积神经网络，带快速局部谱滤波。NIPS。3844--3852.“}，{”key“：”e_1_3_2_1_16_1“，”doi-asserted-by“：”crossref“，“unstructured”：“Yuxiao Dong Nitesh V Chawla and Ananthram Swami.2017。metapath2vec：异构网络的可扩展表示学习。在SIGKDD中。Yuxiao Dong Nitesh V Chawla和Ananthram Swami。2017年，metapath2vec：异构网络的可扩展表示学习。在SIGKDD中。“，”DOI“：”10.1145\/3097983.3098036“}，{”key“：”e_1_3_2_17_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1016\/j.physrep.2009.11.002”}，“key”：“e_1_ 3_2_1_18_1”，“volume-title”：“矩阵计算”，“author”：“Golub Gene H”，“unstructured”：“Gene H Golub and Charles F Van Loan.2012。矩阵计算。JHU出版社。Gene H Golub和Charles F Van Loan。2012.矩阵计算。JHU出版社。“}，{”key“：”e_1_3_2_19_1“，”doi-asserted-by“：”crossref“，“unstructured”：“Aditya Grover and Jure Leskovec.2016。node2vec：网络的可扩展特性学习。SIGKDD公司。855--864. Aditya Grover和Jure Leskovec。2016.node2vec：网络可扩展特性学习。SIGKDD公司。855--864.“，”DOI“：”10.1145\/2939672.2939754“}，{“key”：“e_1_3_2_1_20_1”，“series-title”：“SIAM review”，”volume-title“：”发现随机结构：构造近似矩阵分解的概率算法“，”author“：”Halko-Nathan“，”year“：”2011“，”unstructured“：”Nathan Halko，Per-Gunmar Martinsson，and Joel A Tropp.2011。寻找具有随机性的结构：用于构造近似矩阵分解的概率算法。SIAM综述，第53卷，第2卷（2011年），217--288。Nathan Halko、Per-Gunnar Martinsson和Joel A Tropp。2011.发现具有随机性的结构：用于构造近似矩阵分解的概率算法。SIAM review，Vol.53，2（2011），217--288。“}，{“key”：“e_1_3_2_1_21_1”，“volume-title”：“图形结构数据上的深卷积网络。arXiv:1506.05163”，“author”：“Henaff Mikael”，“year”：“2015”，“unstructured”：“Mikael Henaff，Joan Bruna，and Yann LeCun.2015。图结构数据上的深度卷积网络。arXiv:1506.05163（2015）。Mikael Henaff、Joan Bruna和Yann LeCun。2015年，基于图形结构数据的深度卷积网络。arXiv:1506.05163（2015）。“}，{”key“：”e_1_3_2_1_22_1“，”doi-asserted-by“：”crossref“，”unstructured“：”Xiao Huang Jundong Li和Xia Hu.2017a.加速属性网络嵌入。In SDM.Li Xiao Huang Jundang和Xia Hu.2017a.加速属性网络植入。In SD。“，”doi“：”10.1137\/1.9781611974973.71“}”，{非结构化”：“李小黄军东和胡霞.2017b。标签通知属性网络嵌入。在WSDM中。李小黄军东和胡霞.2017b。标签通知属性网络嵌入。在WSDM中。“，”DOI“：”10.1145\/3018661.3018667“}，{”key“：”e_1_3_2_1_24_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1007\/s10898-013-0035-4”}，“{”密钥“：”e_1_3_2_1_25_1“、”非结构化“：”Sungchul Kim Nikhil Kini Jay Pujara Eunyee Koh和Lise Getoor.2017。跨设备web日志上的概率访问者缝合。WWW.1581-1589。Sungchul Kim Nikhil Kini Jay Pujara Eunyee Koh和Lise Getoor。2017年。跨设备网络日志上的概率访问者缝合。在WWW.1581--1589.“}中，{“key”：“e_1_3_2_1_26_1”，“unstructured”：“Thomas N Kipf and Max Welling.2017。图卷积网络半监督分类。在ICLR中。托马斯·基普夫（Thomas N Kipf）和马克斯·威林（Max Welling）。2017.图卷积网络半监督分类。在ICLR中。“｝，｛”key“：”e_1_3_2_1_27_1“，”volume title“：”SEANO：带异常值的属性网络中的半监督嵌入。在arXiv:1703.08100中。“，”author“：”Liang Jiongqian“，”year“：”2017“，”unstructured“：”梁炯谦（Jiongqian Liang）、彼得·雅各布斯（Peter Jacobs）和斯里尼瓦桑·帕塔萨拉蒂（Srinivasan Parthasarathy）。2017 . SEANO：具有离群值的属性网络中的半监督嵌入。输入arXiv:1703.08100。梁炯谦（Jiongqian Liang）、彼得·雅各布斯（Peter Jacobs）和斯里尼瓦桑·帕塔萨拉蒂（Srinivasan Parthasarathy）。2017.SEANO：半监督嵌入具有离群值的属性网络。输入arXiv:1703.08100。“}，｛”key“：”e_1_3_2_1_28_1“，”volume title“：”ICLR Workshop.10“，”author“：”Mikolov Tomas“，”year“：”2013“，”nonstructured“：”Tomas Mikolov，Kai Chen，Greg Corrado，and Jeffrey Dean“。2013.向量空间中单词表示的有效估计。在ICLR Workshop中。10.Tomas Mikolov，Kai Chen，Greg Corrado，and Jeffrey Dean。2013。向量空间中单词表示的有效估计。在ICLR研讨会上。10.“}，{”key“：”e_1_3_2_1_29_1“，”unstructured“：”Cameron Musco和Christopher Musco.2015。用于更强更快近似奇异值分解的随机块krylov方法。神经信息处理系统进展。1396--1404. 卡梅隆·马斯科和克里斯托弗·马斯科。2015.更强更快的近似奇异值分解的随机块krylov方法。神经信息处理系统进展。1396--1404.“}，{”key“：”e_1_3_2_1_30_1“，”volume-title“：”Ryan A.Rossi，Nesreen K.Ahmed，Eunyee Koh，and Sungchul Kim.“，“author”：“Nguyen Giang Hoang”，“year”：“2018”，“unstructured”：“Giang Huang Nguyeen，John Boaz Lee，Ryan A.Rossi，Nesreen K。Ahmed、Eunyee Koh和Sungchul Kim。2018 . 连续时间动态网络嵌入。在WWW BigNet中。姜黄元、约翰·博阿兹·李、瑞安·A·罗西、内斯林·K·艾哈迈德、恩尼耶·高和宋楚·金。2018.连续时间动态网络嵌入。在WWW BigNet中。}，{“key”：“e_1_3_2_1_31_1”，“非结构化”：“Mathias Niepert Mohamed Ahmed和Konstantin Kutzkov，2016。图的卷积神经网络学习。arXiv:1605.05273。马蒂亚斯·尼珀特·穆罕默德·艾哈迈德和康斯坦丁·库茨科夫。2016.学习图的卷积神经网络。arXiv:1605.05273。“}，{”key“：”e_1_3_2_1_32_1“，”doi-asserted-by“：”crossref“，”unstructured“：”Jinoh Oh Wook-Shin Han Hwanjo Yu和Xiaoqian Jiang.2015。快速稳健的并行SGD矩阵分解。SIGKDD公司。ACM 865--874。Jinoh Oh Wook-Shin Han Hwanjo Yu和Xiaoqian Jiang。2015.快速稳健的并行SGD矩阵分解。SIGKDD公司。ACM 865--874.“，“DOI”：“10.1145\/2783258.2783322”}，{“key”：“e_1_3_2_1_33_1”，“unstructured”：“Mingdong Ou Peng Cui Jian Pei Ziwei Zhang and Wenwu Zhu.2016。保留非对称传递性的图嵌入。在SIGKDD中。1105--1114. 欧彭翠、裴子伟、张明东、朱文武。2016.非对称传递性保持图嵌入。在SIGKDD中。1105--1114.“}，{”key“：”e_1_3_2_1_34_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2623330.2623732”}，“key”：“e_1_a_2_1_35_1”，“volume-title”：“Bioinfo.”，“卷”：“23”，“author”：“Natavs”，“year”：“2007”，“unstructured”：“Natavs a Prvz ulj.2007.使用graphlet度分布的生物网络比较.Bioinfo，第23卷，第2期（2007）），e177-e183。纳塔夫人。2007年。使用graphlet度分布进行生物网络比较。生物信息，第23卷，第2卷（2007年），e177--e183。“}，{“key”：“e_1_3_2_1_36_1”，“volume-title”：“Mohammad Al-Hasan，Kevin S Xu，and Chandan K Reddy”，“author”：“Rahman Mahmudur”，年：“2018”，“unstructured”：“Mahmudur Rahman、Tanay Kumar Saha、Mohammad Al Hasan、Kevin S Xu和Chandan K Reddy。2018 . DyLink2Vec：动态网络中链路预测的有效特征表示。arXiv:1804.05755（2018）。Mahmudur Rahman、Tanay Kumar Saha、Mohammad Al Hasan、Kevin S Xu和Chandan K Reddy。2018.DyLink2Vec：动态网络中链接预测的有效特征表示。arXiv:1804.05755（2018）。“}，{”key“：”e_1_3_2_1_37_1“，”volume-title“：”Figueiredo“，”author“：”Ribeiro Leonardo F.R.“，“year”：“2017”，“unstructured”：“Leonar多F.R.里贝罗，Pedro H.P.Saverese，and Daniel R.Figueirdo.2017.Struc2Vec：从结构身份中学习节点表示法。在SIGKDD中。菲格雷多。2017.Struc2Vec：从结构标识学习节点表示。在SIGKDD中。“}，{”key“：”e_1_3_2_1_38_1“，”article-title“：”用于主成分分析的随机算法“，”volume“：“31”，”author“：”Rokhlin-Vladimir“，”year“：”2009“，”unstructured“：”Vladimir-Rokhlin，Arthur Szlam，and Mark Tygert.2009.主成分分析随机算法.SIAM J.Matrix Anal.Appl.，Vol.31，3（2009）弗拉基米尔·罗赫林（Vladimir Rokhlin）、亚瑟·斯拉姆（Arthur Szlam）和马克·提格特（Mark Tygert）。2009.主成分分析的随机算法。SIAM J.矩阵分析。申请，第31卷，第3卷（2009年）。《新闻标题》：《SIAM J.矩阵分析》。申请。“}，{”key“：”e_1_3_2_1_39_1“，”volume-title“：”Ahmed“，”author“：”Rossi Ryan A.“，”year“：”2015“，”unstructured“：”Ryan A.Rossi和Nesreen K.Ahmed.2015 A.具有交互式图形分析和可视化的网络数据存储库.In AAAI.4292-4293。http:\/\/networkrepository.com瑞安·A·罗西和内斯林·K·艾哈迈德。2015年a。具有交互式图形分析和可视化的网络数据存储库。在AAAI。4292--4293. http:\/\/networkrepository.com“}，{“key”：“e_1_3_2_1_40_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1109\/TKDE.2014.2349913“}”，{”key“：”e_1_A_2_1_41_1“，”unstructured“：”Ryan A.Rossi Di Jin Sungchul Kim Nesreen K.Ahmed Danai Koutra和John Boaz Lee.2019。从社区到基于角色的图形嵌入。在arXiv:1908.08572。Ryan A.Rossi Di Jin Sungchul Kim Nesreen K.Ahmed Danai Koutra和John Boaz Lee。2019.从社区到基于角色的图形嵌入。在arXiv:1908.08572。“}，{”key“：”e_1_3_2_1_42_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5555\/2444851.2444861”}，“key”：“e_1_A_2_1_43_1”，“volume-title”：“Ahmed”，“author”：“Rossi Ryan A.”，“year”：“2018”，“unstructured”：“Ryan A。Rossi、Rong Zhou和Nesreen K。艾哈迈德。2018 . 深度归纳图表示学习。IEEE知识与数据工程学报（TKDE）。14.Ryan A.Rossi、Rong Zhou和Nesreen K.Ahmed。2018.深度归纳图表示学习。IEEE知识与数据工程学报（TKDE）。14.“}，{”key“：”e_1_3_2_1_44_1“，”volume-title“：”Shafiq Joty，and Nicholas K Varberg.“，”author“：”Saha Tanay Kumar“，”year“：”2018“，”unstructured“：”Tanay Kumar Saha、Thomas Williams、Mohammad Al Hasan、Shafiq Joty和Nicholas K Varberg，2018年。用于学习节点潜在表示的进化网络中捕获时间平滑度的模型。在arXiv中：1804.05816。Tanay Kumar Saha、Thomas Williams、Mohammad Al Hasan、Shafiq Joty和Nicholas K Varberg，2018年。用于学习节点潜在表示的进化网络中捕获时间平滑度的模型。在arXiv中：1804.05816。“}，{”key“：”e_1_3_2_1_45_1“，”首页“：”61“，”article-title“：”The graph neural network model“，”volume“：“20”，”author“：”Scarselli Franco“，”year“：”2009“，”unstructured“：”Franco Scarsellie，Marco Gori，Ah Chung Tsoi，Markus Hagenbuchner，and Gabriele Monfardini.2009.The graph neural netic model.TNNLS，Vol.20，1（2009）, 61 -- 80 . 弗朗科·斯卡塞利（Franco Scarselli）、马可·戈里（Marco Gori）、阿忠·左伊（Ah Chung Tsoi）、马库斯·哈根布奇纳（Markus Hagenbuchner）和加布里埃尔·蒙法迪尼（Gabriele Monfardini）。2009。图形神经网络模型。TNNLS，Vol.20，1（2009），61-80.“，“journal-title”：“TNNLS”}，{“key”：“e_1_3_2_1_46_1”，“doi-asserted-by”：“publisher”，”doi“：“10.1109”，TKDE.2013.2297920“}，”key“：”e_1_ 3_2_1_ 47_1“，”doi-assert-by“：”publisher“，，“doi-asserted-by”：“publisher”，“doi”：“10.1007 \/s10618-010-020-x”}，{“key”：“e_1_3_2_1_49_1“，“doi-asserted-by”：“publisher”，“doi”：“10.5555\/1756006.1859891”}，{“key”：“e_1_m_2_1_50_1”，”doi-assert-by“：”crossref“，”unstructured“：”Daixin Wang Peng Cui和Wenwu Zhu.2016。结构性深层网络嵌入。在SIGKDD中。1225--1234. 戴欣、王鹏翠、朱文武。2016。结构深度网络嵌入。在SIGKDD中。1225--1234.“，”DOI“：”10.1145\/2939672.2939753“}，{“key”：“e_1_3_2_1_51_1”，“DOI-asserted-by”：“crossref”，”unstructured“：”Jason Weston Fr\u00e9d\u00e9 ric Ratle and Ronan Collobert.2008。通过半监督嵌入进行深度学习。在ICML中。1168--1175. 杰森·韦斯顿（Jason Weston Fr \u00e9d\u00e9 ric Ratle）和罗南·科洛伯特（Ronan Collobert）。2008年，通过半监督嵌入进行深度学习。在ICML中。1168--1175.“，”DOI“：”10.1145\/1390156.1390303“}，{”key“：”e_1_3_2_1_52_1“，”unstructured“：”Cheng Yang Zhiyuan Liu Deli Zhao Maosong Sun and Edward Y Chang.2015。使用富文本信息的网络表示学习。。在IJCAI。程杨志远、刘德利、赵茂松、孙茂松、张育成。2015.使用富文本信息的网络表示学习。。在IJCAI。}，{“key”：“e_1_3_2_1_53_1”，“volume-title”：“用图嵌入重新审视半监督学习。arXiv:1603.08861”，“author”：“杨志林”，“year”：“2016”，“unstructured”：“Zhilin Yang，William W Cohen，and Ruslan Salakhutdinov。2016。用图嵌入重新审视半监督学习。arXiv:1603.08861（2016）。杨志林（Zhilin Yang）、威廉·科恩（William W Cohen）和鲁斯兰·萨拉库丁诺夫（Ruslan Salakhutdinov）。2016。重新审视图嵌入的半监督学习。arXiv:1603.08861（2016年）。“}，{”key“：”e_1_3_2_1_54_1“，”首页“：”975“，”article-title“：”NOMAD:非锁定，异步分散矩阵补全的stOcharstic多机器算法“，”volume“：“7”，”author“：”Yun Hyokun“，”year“：”2014“，”unstructured“：”Hyokun Yun、Xiang-Fu Yu、Cho-Jui Xieh、SVN Vishwanathan和Inderjit Dhillon。2014 . NOMAD：异步和分散矩阵补全的非锁定、快速多机算法。VLDB，第7卷，第11卷（2014年），975-986。Hyokun Yun、Xiang-Fu Yu、Cho-Jui Xieh、SVN Vishwanathan和Inderjit Dhillon。2014.NOMAD：异步和分散矩阵补全的非锁定、stOchristic多机器算法。VLDB，Vol.7，11（2014），975--986。“，“journal-title”：“VLDB”}]，“event”：{“name”：“WSDM‘20:第十三届ACM网络搜索和数据挖掘国际会议”，“location”：“Houston TX USA”，“缩写词”：“WS‘20”，“赞助商”：[“SIGMOD ACM数据管理特别兴趣小组”，“SIGWEB ACM超文本、超媒体和Web特别兴趣小组“，“SIGKDD ACM数据知识发现特别兴趣小组”，“SIGIR ACM信息检索特别兴趣小组https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3336191.3371843“，”内容类型“：”未指定“，”content-version“：”vor“，”intended-application“：”相似性检查“}]，”存放“：{”日期部分“：[2023,1,12]]，”日期时间“：”2023-01-12T14:01:04Z“，”时间戳“：1673532064000}，”分数“：1，”资源“：”{“主要”：{“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3336191.3371843“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2020,1,20]]}，“引用计数”：54，“alternative-id”：[“10.1145\/33391.337183”，“10.1145\/3336191”]，“URL”：“http://\/dx.doi.org\/10.145\/336191.3371844”，“”关系“：{}，”主题“：[]，”发布“：{”日期部分“：[[2020,1,20]]}，“断言”：[{”value“：”2020-01-22“，”order“：2，”name“：”published“，”label“：”published“，”group“：{”name“:”publication_history“，”标签“：”publication history“}}]}}