{“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”：[[2024,4,22]]，“日期时间”：“2024-04-22T15:13:41Z”，“时间戳”：1713798821109}，“参考计数”：67，“出版商”：“计算机协会（ACM）”，“问题”：“4”，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“中国国家自然科学基金”，“doi-asserted-by”：“publisher”，“award”：[“61802128”]}]，“content-domain”：{“domain”:[“dl.acm.org”]，“crossmark-restriction”：true}，“short-container-title”：[”acm-Trans.Knowl.Discov.Data“]，“published-print”：{“date-parts”：[2021,8,31]}，”abstract“：”大型演化系统组件之间的连通性分析可以揭示重要的交互模式。这些系统可以用拓扑图结构来模拟。然而，这样的分析对于大型复杂的图形来说变得很有挑战性。由于需要进行大量计算，因此比较、搜索和汇总结构等任务非常困难。对于时变图，时间维甚至加剧了难度。在本文中，我们建议通过关注由密切相关的实体诱导的子图来降低分析的复杂性。为了总结子图的不同结构，我们构建了一个基于监督布局的分类模型。主要前提是图形结构可以诱导布局的独特外观。与传统的基于图论和当代基于神经网络的图分类方法相比，我们的方法成本低，并且不需要学习信息丰富的图表示。结合时间稳定的可视化，我们还可以帮助理解子结构和跟踪图形演化。该方法在两个真实数据集上进行了评估。结果表明，我们的系统在对大型图形进行基于视觉的分析方面非常有效<\/jats:p>“，”DOI“：”10.1145\/3441301“，”type“：”journal-article“，”created“：{”date-parts“：[[2021,3,26]]，”date-time“：”2021-03-26T16:43:12Z“，”timestamp“：1616776992000}，”page“：标题“：[”一种基于布局的时间序列图可视化分类方法“]，”前缀“：”10.1145“，”卷“：”15“，”作者“：[{”ORCID“：”http://\/ORCID.org\/0000-0002-1755-6430“，”authenticated-ORCID“：false，”给定“：”Yunzhe“，”family“：”Wang“，”sequence“：”first“，”affiliation“：”[{“name”：“The Hong Kong Polytechnic University，Huqium，Suzhou，China”}]}，{“给定”：“”George“，”family“：”Baciu“，”sequence“：”additional“，”affiliation“：[{”name“：”The Hong Kong Polytechnic University，Hu邱，Suzhou，China“}]}，{”given“：”Chenhui“，“family”：“Li”，“sequence”：“additional”，“affiliance”：[{name”：“华东师范大学，中国上海”}]}]，“member”：“320”，“published online”：{“date-parts”：[2021,3,26]}“key“：”e_1_1_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1140\/epjb\/e2008-00425-1“}，{“key”：“e_2_1_2_1”，“doi-assert-by”：“publisher”，“doi”：“10.1109\/TVCG.2013.254键“：”e_1_2_1_4_1“，”卷时间“：”第三届AAAI网络日志和社交媒体国际会议记录。“，”author“：”Bastian Mathieu“，”year“：”2009“，”unstructured“：”Mathieu-Bastian、Sebastien Heymann和Mathieu-Jacomy“。2009 . Gephi：一个用于探索和操作网络的开源软件。第三届AAAI网络日志和社交媒体国际会议论文集。马修·巴斯蒂安、塞巴斯蒂安·海曼和马修·贾科米。2009年。Gephi：用于探索和操作网络的开源软件。第三届AAAI网络日志和社交媒体国际会议论文集。“}，{”key“：”e_1_1_5_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1111\/cgf.12791”}，“key”：“e_2_1_6_1”，“volume-title”：“神经信息处理系统进展会议录.585-591”，“author”：“Belkin Mikhail”，”年份“2001”，“非结构化”：“米哈伊尔·贝尔金和帕塔·尼约吉。2001 . 用于嵌入和聚类的拉普拉斯特征映射和谱技术。神经信息处理系统进展论文集。585--591 . 米哈伊尔·贝尔金和帕塔·尼约吉。2001.用于嵌入和聚类的拉普拉斯特征映射和谱技术。神经信息处理系统进展论文集。585--591.“}，{”key“：”e_1_2_1_7_1“，”volume-title“：”NetSimile:一种可扩展的方法来处理大小相关的网络相似性。《计算机科学》12，1“，”author“：”Berlingerio Michele“，”year“：”2012“，”unstructured“：”Michele Berlingero、Danai Koutra、Tina Eliassirad和Christos Faloutsos.2012。NetSimile：一种可扩展的独立于大小的网络相似性方法。《计算机科学》12，1（2012），28（1-28）。Michele Berlingerio、Danai Koutra、Tina Eliassirad和Christos Faloutsos。2012年。NetSimile：一种可扩展的方法，用于处理大小相关的网络相似性。《计算机科学》12，1（2012），28（1-28）。“}，{”key“：”e_1_1_8_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1088\/1742-5468\/2008\/10\/P10008”}，“key”：“e_2_1_9_1”，“volume-title”：“现代图论”，“author”：“Bollob\u00e1s B\u00e 9la”，“unstructured”：“B\u00 e9la Bollob\ u00e13s。现代图论。第184卷。施普林格科技与商业媒体。B\u00e9la Bollob\u00e秒。2013.现代图论。第184卷。施普林格科技与商业媒体。“}，{”key“：”e_1_1_10_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TVCG.2011.185”}，“key”：“e_2_1_11_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/TKDE.2007.190689{“键”：“e_1_2_1_13_1”，“卷时间”：“第七届学习表征国际会议图和流形表征学习研讨会。“，”作者“：”蔡晨“，”年份“：”2019年“，”非结构化“：”陈才和王玉树。2019 . 非属性图分类的简单而有效的基线。在第七届学习表征国际会议上，举办了关于图和流形的表征学习研讨会。陈才和王玉树。2019.非属性图分类的简单而有效的基线。在第七届学习表征国际会议上，举办了关于图和流形的表征学习研讨会。“}，{”key“：”e_1_1_14_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/1081870.1081948”}，“key”：“e_1_i_15_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/TPAMI.2007.115“}”，{，{“键”：“e_1_2_1_17_1”，“doi-asserted-by”：“出版商”，“doi”：“10.1145\/2470654.246644“}，{“key”：“e_1_2_1_18_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1111\/j.1467-8659.2009.01449.x“}”，{”key“：”e_1_cu1_19_1“，”doi-assert-by“：”publisher“，109\/TVCG.2011.128“}，{”key“：”e_1_2_1_21_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TKDE.2013.131“}，{“key”：“e_1_1_22_1”，“doi-asserted-by”：“publisher”，”doi“：“10.5555\/1038262.1038799”}，“key“：”e_1_i_1_23_1“，”doi-assert-by“：”publisher“，“，”作者“：”Gionis Aristides“，”年份”：“2007年”，“非结构化”：“阿里斯蒂德斯·吉奥尼斯（Aristides Gionis）、海基·曼尼拉（Heikki Mannila）和帕纳伊奥蒂斯·沙帕拉各斯（Panayiotis Tsaparas）。2007.集群聚合。ACM数据知识发现汇刊1，1（2007），4。阿里斯蒂德斯·吉奥尼斯（Aristides Gionis）、海基·曼尼拉（Heikki Mannila）和帕纳伊奥蒂斯·萨帕拉索（Panayiotis Tsaparas）。2007.集群聚合。ACM《数据知识发现汇刊》1，1（2007），4.“}，{”key“：”e_1_1_25_1“，”volume-title“：”Newman“，”author“：”Girvan Michelle“，“year”：“2002”，”unstructured“：”Micheller Girvan和Mark e。J、。纽曼。2002年。社会和生物网络中的社区结构。《美国国家科学院院刊》。第99卷。美国国家科学院，7821-7826。米歇尔·吉文和马克·E·J·纽曼。2002.社会和生物网络中的社区结构。《美国国家科学院院刊》。第99卷。美国国家科学院，7821--7826.“}，{”key“：”e_1_2_1_26_1“，”volume-title“：”神经信息处理系统进展论文集.1024--1034“，”author“：”Hamilton William L.“，“year”：“2017”，”unstructured“：”William L。汉密尔顿、Rex Ying和Jure Leskovec。2017 . 图的表示学习：方法和应用。神经信息处理系统进展论文集。1024--1034 . 威廉·汉密尔顿（William L.Hamilton）、雷克斯·英（Rex Ying）和朱尔·莱斯科维奇（Jure Leskovec）。2017.图的表示学习：方法和应用。神经信息处理系统进展论文集。1024--1034.“}，{”key“：”e_1_2_1_27_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/CVPR.2016.90”}，“key”：“e_2_2_28_1”，“volume-title”：“1995 ACM\/IEEE超级计算会议论文集”，“卷”：“95”，“作者”：“Hendrickson Bruce”，“年份”：“1995”，“非结构化”：“布鲁斯·亨德里克森和罗伯特·利兰。1995 . 划分图的多级算法。1995年ACM/IEEE超级计算会议记录。第95卷。1--14. 布鲁斯·亨德里克森和罗伯特·利兰。1995。划分图的多级算法。1995年ACM/IEEE超级计算会议记录。第95卷。1-14.“}，{”key“：”e_1_2_1_29_1“，”首页“：”37“，”article-title“：”高效、高质量的力定向图形绘制“，”volume“：“10”，”author“：”Hu Yifan“，”year“：”2005“，”unstructured“：”Yifan Hu.2005.高效、高质的力定向图绘制。Mathematica Journal 10，1（2005），37--71.Yifan Ho.2005。高效、高质量的力定向图形绘制。Mathematica Journal 10，1（2005），37--71.“，”Journal-title“：”Mathematia Journal“}，{“key”：“e_1_2_1_30_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1137 \/S1064827595287997“}“，{”key“：”e_2_2_31_1“，”doi-assert-by“：”publisher“弹簧嵌入器和力定向图形绘制算法。arXiv预印本arXiv:1201.3011“，”作者“：”科波罗夫·斯蒂芬·G“，”年份“：”2012“，”非结构化“：”斯蒂芬·科波罗夫。2012.弹簧嵌入器和力定向图形绘制算法。arXiv预印arXiv:12011.3011（2012）。斯蒂芬·科波罗夫（Stephen G.Kobourov）。2012.弹簧嵌入器和力定向图形绘制算法。arXiv预印arXiv:12011.3011（2012）。“}，{”key“：”e_1_2_1_33_1“，”unstructured“：”Gueorgi Kossinets.2012。处理过的维基百科编辑历史。检索自http://\/snap.stanford.edu\/data\/bigdata\/wikipedia08\/enwiki-20080103。Gueorgi Kossinets公司。2012.处理过的维基百科编辑历史。检索自http://\/snap.stanford.edu\/data\/bigdata\/wikipedia08\/enwiki-20080103。“}，{“key”：“e_1_1_34_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1109\/TVCG.2017.2743858“}”，{”key“：”e_1_i_1_35_1“，”doi-assert-by“：”publisher“，“doi”：“10.1145\/3219819.3219980”}，“key“:”e_2_1_36_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/SHPCC.1994.296707“}，{“key”：“e_1_2_1_37_1”，“volume-title”：“第四届AAAI网络日志和社交媒体国际会议论文集”，“author”：“Leskovec Jure”，“year”：“2010”，“unstructured”：“朱尔·莱斯科维奇（Jure Leskovec）、丹尼尔·赫滕洛彻（Daniel Huttenlocher）和乔恩·克莱恩伯格（Jon Kleinberg）。2010 . 社交媒体的治理：维基百科推广过程的案例研究。第四届AAAI网络日志和社交媒体国际会议论文集。Jure Leskovec、Daniel Huttenlocher和Jon Kleinberg，2010年。社交媒体的治理：维基百科推广过程的案例研究。第四届AAAI网络日志和社交媒体国际会议论文集。“｝，｛”key“：”e_1_2_1_38_1“，”doi断言“：”publisher“，”doi“：”10.1145\/22818517.2818542“｝，｛”key“：”e_1_2_1_39_1“，”卷标题“：”IEEE视觉分析科学与技术会议记录（VAST\u201915）“，”作者“：”刘青松“，”年份“：”2015“，”非结构化“：”刘青松、胡一凡、石磊、穆新竹、张玉涛和汤洁。2015 . EgoNetCloud：基于事件的以自我为中心的动态网络可视化。《IEEE可视化分析科学与技术会议论文集》（VAST\u201915）。IEEE，65-72。刘青松、胡一凡、石磊、穆新竹、张玉涛和汤洁。2015.EgoNetCloud:基于事件的以自我为中心的动态网络可视化。《IEEE可视化分析科学与技术会议论文集》（VAST\u201915）。IEEE，65--72.“}，{”key“：”e_1_1_40_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/ICDE.2011.5767925”}，“key”：“e_2_1_41_1”，“doi-assert-by”：“publisher”，”doi“：”10.1137\/S10648275942613“}phy Ryan”，“年份”：“2019年”，“非结构化”：“Ryan Murphy、Balasubramaniam Srinivasan、Vinayak Rao和Bruno Ribeiro。2019 . 图表示的关系池。在机器学习国际会议上。4663--4673 . Ryan Murphy、Balasubramaniam Srinivasan、Vinayak Rao和Bruno Ribeiro。2019.图形表示的关系池。在机器学习国际会议上。4663-4673.“}，{”key“：”e_1_2_1_43_1“，”volume-title“：”Graph2Vec：学习图的分布式表示。ArXiv abs \/1707.05005“，”author“：”Narayana-Annamalai“，“年”：“2017”，“非结构化”：“Annamalain Narayanan，Mahinthan Chandramohan，Rajasekar Venkatesan，Lihui Chen，Yang P.Liu，and Shantanu Jaiswal.2017。Graph2Vec：学习图的分布式表示。ArXiv abs \/1707.05005（2017）。Annamalai Narayanan、Mahinthan Chandramohan、Rajasekar Venkatesan、Lihui Chen、Yang P.Liu和Shantanu Jaiswal。2017.Graph2Vec：学习图形的分布式表示。ArXiv abs \/1707.05005（2017）。“}，{”key“：”e_1_2_1_44_1“，”volume-title“：”神经信息处理系统进展会议记录.849-856“，”author“：”Ng Andrew“，”year“：”2001“，”unstructured“：”Andrew Ng，Michael I。Jordan和Yair Weiss。2001 . 关于谱聚类：分析和算法。神经信息处理系统进展论文集。849--856 . Andrew Ng、Michael I.Jordan和Yair Weiss。2001.关于谱聚类：分析和算法。神经信息处理系统进展论文集。849--856.“}，{”key“：”e_1_2_1_45_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1137\/1.9781611975321.35”}，“key”：“e_2_1.46_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/TVCG.2017.2674999“}”，{：“Paszke Adam”，“年份”：“2019年”，“非结构化”：“亚当·帕斯克、萨姆·格罗斯、弗朗西斯科·马萨、亚当·莱尔、詹姆斯·布拉德伯里、格雷戈里·查南、特雷弗·基林、泽明·林、娜塔莉亚·吉梅尔谢恩、卢卡·安提卡、阿尔班·德梅森、安德烈亚斯·科普夫、爱德华·杨、扎卡里·德维托、马丁·莱森、阿利克汉·特贾尼、萨桑克·奇拉姆库蒂、本诺伊·施泰纳、陆芳、白俊杰、，和Soumith Chintala。2019 . Pytorch：一个命令式、高性能的深度学习库。神经信息处理系统进展论文集。8026--8037 . Adam Paszke、Sam Gross、Francisco Massa、Adam Lerer、James Bradbury、Gregory Chanan、Trevor Killeen、Zeming Lin、Natalia Gimelshein、Luca Antiga、Alban Desmaison、Andreas Kopf、Edward Yang、Zachary DeVito、Martin Raison、Alykhan Tejani、Sasank Chilamkurthy、Benoit Steiner、Lu Fang、Junjie Bai和Soumith Chintala。2019.Pytorch：一个命令式、高性能的深度学习库。神经信息处理系统进展论文集。8026--8037。”}，｛“key”：“e_1_2_1_48_1”，“volume title”：“国际制图研讨会论文集”，“author”：“Purchase Helen C.”，“year”：“2006”，“nonstructured”：“Helen C.Purchase，Eve e.Hoggan，and Carsten G\u00f6rg.2006。u201d元素图\u201d有多重要？-动态图形布局算法的实证研究。图表绘制国际研讨会论文集。Helen C.Purchase、Eve E.Hoggan和Carsten G\u00f6rg.2006年。精神地图\u201d有多重要一种动态图形布局算法的实证研究。图表绘制国际研讨会论文集。“}，{”key“：”e_1_2_1_49_1“，”首页“：”036106“，”article-title“：”检测大规模网络中社区结构的近线性时间算法“，”volume“：“76”，“author”：“Raghavan Usha Nandini”，“year”：“2007”，“unstructured”：“Usha Nandini Raghavan、R\u00e9ka Albert和Soundar Kumara。2007 . 检测大规模网络中社区结构的近线性时间算法。《物理评论》76，第3部分第2部分（2007），036106。Usha Nandini Raghavan、R\u00e9ka Albert和Soundar Kumara。2007.检测大规模网络中社区结构的近线性时间算法。Physical Review 76，3 Pt 2（2007），036106.“，”journal-title“：”Physical Review“}，{“key”：“e_1_1_50_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1145\/3172867“}”，{”key“：”e_1_i_1_51_1“，”doi-assert-by“：”publisher“，“，”author“：”Rosvall Martin“，”year“：”2008“，”unstructured“：”马丁·罗斯瓦尔和卡尔·T。伯格斯特罗姆。2008 . 复杂网络上随机行走的地图揭示了社区结构。美国国家科学院院刊。第105卷。1118--1123. 马丁·罗斯瓦尔（Martin Rosvall）和卡尔·T·伯格斯特罗姆（Carl T.Bergstrom）。2008年。复杂网络上随机行走的地图揭示了社区结构。美国国家科学院院刊。第105卷。1118--1123.“}，{”key“：”e_1_2_1_53_1“，”volume-title“：”第六届社会网络挖掘与分析国际研讨会“，”author“：”尚嘉兴“，”year“：”2012“，”unstructured“：”尚嘉兴、刘连晨、谢峰、陈震、苗家佳、方学林、吴成。2012 . 一种跟踪动态网络社区结构的实时检测算法。第六届社交网络挖掘与分析国际研讨会。尚嘉兴、刘连晨、谢峰、陈震、苗家佳、方学林、吴成。2012.用于跟踪动态网络社区结构的实时检测算法。第六届社交网络挖掘与分析国际研讨会。“}，{”key“：”e_1_1_54_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5555\/1953048.2078187”}，}，“key”：“e_2_1_55_1”，“volume-title”：“第十二届人工智能与统计国际会议论文集。488--495”，“author”：“Shervashidze Nino”，“unstructured”：“Nino Shervashedze，S.V.N。维什瓦纳森、托比亚斯·佩特里、库尔特·梅尔霍恩和卡斯滕·博格沃德。2009.用于大型图形比较的高效graphlet内核。第十二届国际人工智能与统计会议论文集。488--495 . Nino Shervashidze、S.V.N.Vishwanathan、Tobias Petri、Kurt Mehlhorn和Karsten M.Borgwardt。2009。用于大型图形比较的高效graphlet内核。第十二届国际人工智能与统计会议论文集。488--495.“}，{“key”：“e_1_2_1_56_1”，“volume-title”：“基于秩最小化的稳健谱系综聚类。ACM从数据中发现知识的汇刊13，1”，“author”：“陶志强”，“year”：“2019”，“unstructured”：“Tao志强，Liu Hongfu，Sheng Li，Zhengming Ding，and Yun Fu.2019。通过秩最小化实现稳健的谱集成聚类。ACM《从数据中发现知识的汇刊》13，1（2019年），4.1-4.25。陶志强、刘洪福、李晟、丁正明和傅云。2019.通过秩最小化实现稳健谱系综聚类。《美国医学会数据知识发现汇刊》13，1（2019），4.1-4.25.“}，{”key“：”e_1_1_57_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1111\/cgf.12512”}，“key”：“e_2_1_58_1”，“doi-assert-by”：“publisher”，”doi“：”10.1111\/cgf.12872“}”，{“key“”：”e_ 2_1_ 59_1“”，“”doi-sserted-by“”：“publisher”，“doi:”10.1137\/1.9781611972757.25“}，{“键”：“e_1_2_1_60_1”，“第一页“：”3236“，”文章标题“：”图形分类的多结构视图学习“，”卷“：”29“，”作者“：”吴佳“，”年份“：”2018“，”非结构化“：”贾武、潘石蕊、朱星泉、张成琦、俞飞利浦。2018 . 用于图分类的多结构视图学习。IEEE神经网络和学习系统汇刊29，7（2018），3236-3251。贾武、潘石蕊、朱星泉、张成琦和菲利普·S·余。2018年，图形分类的多结构视图学习。《IEEE神经网络和学习系统学报》29，7（2018），3236-3251.“，”journal-title“：”IEEE《神经网络和教学系统学报》“}，{”key“：”e_1_2_1_61_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TVCG.2015.2468151”}，“key”：“e_2_1.62_62_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/2783258.2783417“}”，{“key“”：”e_1_2_1_63_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/s10115-013-0693-z”}，{“key”：“e_1_i_1_64_1”，“volume-title”：“神经信息处理系统进展论文集”，“卷”：“32”，“作者”：“Ying Zhitao”，“年份”：“2019”，“非结构化”：“应志涛（Zhitao Ying）、迪伦·布尔乔伊斯（Dylan Bourgeois）、尤嘉轩（Jishoun You）、马林卡·齐特尼克（Marinka Zitnik）和朱尔·莱斯科维奇（Jure Leskovec）。2019 . GNNExplainer：为图形神经网络生成解释。神经信息处理系统进展论文集。第32卷。9244--9255. 应志涛（Zhitao Ying）、迪伦·布尔乔伊斯（Dylan Bourgeois）、尤嘉轩（Jishoun You）、马林卡·齐特尼克（Marinka Zitnik）和朱尔·莱斯科维奇（Jure Leskovec）。2019.GNNExplainer：为图形神经网络生成解释。神经信息处理系统进展论文集。第32卷。9244--9255.“}，{”key“：”e_1_2_1_65_1“，”volume-title“：”2015 IEEE\/ACM国际社会网络分析和挖掘进展会议（ASONAM\u201915）“，”author“：”Zakrzewska Anita“，”unstructured“：”Anita Zakrze wska和David A.Bader。2015。图中局部社区检测的动态算法。2015年IEEE\/ACM社会网络分析和挖掘进展国际会议论文集（ASONAM\u201915）。559--564. 安妮塔·扎克尔泽夫斯卡（Anita Zakrzewska）和大卫·巴德（David A.Bader）。2015.图中本地社区检测的动态算法。2015年IEEE\/ACM社会网络分析和挖掘进展国际会议论文集（ASONAM\u201915）。559--564.“}，{”key“：”e_1_2_1_66_1“，”volume-title“：”学习表征国际会议论文集“，”author“：”Zhang Xinii“，”year“：”2019“，”unstructured“：”张欣怡和陈丽慧。2019 . 胶囊图神经网络。《学习代表国际会议论文集》。张欣怡和陈丽慧。2019年，胶囊图神经网络，《学习表征国际会议论文集》。“}，{”key“：”e_1_1_67_1“，”doi-asserted-by“：”publisher“，“doi”：“10.14778\/1687627.1687709”}]，“container-title”：[”ACM Transactions on Knowledge Discovery from Data“]，”original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/dl.ACM.org\/doi\/pdf\/10.1145\/3441301“，”内容类型“：”unspecified“，”content-version“：”“vor”，“intended-application”：“相似性检查“}”，“存放”：{“日期部分”：[[2023,1,1]]，“日期时间”：“2023-01-01T21:29:13Z”，“时间戳”：1672608553000}，“分数”：1，“资源”：{“主要”：}“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3441301”}}，《副标题》：[]，“短标题”：[]“references-count”：67，“journal-issue”：{“issue”：“4”，“published-print“：{“date-parts”：[[2021,8,31]]}}，“alternative-id”：[“10.1145\/3441301”]，“URL”：“http://\/dx.doi.org\/10.1145\/344301”，“relation”：{}，”ISSN“：[“1556-4681”，“1556-472X”]，”ISSN-type“：[{”value“：”1556-4681'，“type”：“print”}，{“value”：”1554-472X“，”键入“：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[[2021,3,26]]}，“assertion”：[{“value”：“2020-02-01”，“订单”：0，“名称”：“已接收”，“标签”：“已接收”，“组”：｛“名称”：“出版历史”，“标签”：“出版历史”｝｝，｛“值”：“2020-12-01”，“订单”：1，“名称”：“已接受”，“标签”：“已接受”，“组”：｛“名称”：“出版历史”，“标签”：“出版历史”｝｝，｛“值”：“2021-03-26”，“订单”：2，“名称”：“已发布”，“标签”：“已发布“，”组“：｛”name“：”publication_history“，”label“：”publication history“}}]}}