动态图的表示学习：综述
Seyed Mehran Kazemi、Rishab Goel、Kshitij Jain、Ivan Kobyzev、Akshay Sethi、Peter Forsyth、Pascal Poupart; 21(70):1−73, 2020.
摘要
图自然地出现在许多现实世界的应用中，包括社交网络、推荐系统、本体论、生物学和计算金融。传统上，图的机器学习模型大多是为静态图设计的。然而，许多应用程序都涉及不断演变的图形。这给学习和推理带来了重要挑战，因为节点、属性和边会随着时间而变化。在这篇综述中，我们回顾了动态图（包括动态知识图）表示学习的最新进展。我们从编码器-解码器的角度描述现有模型，根据这些编码器和解码器所使用的技术对它们进行分类，并分析每个类别中的方法。我们还回顾了一些重要的应用和广泛使用的数据集，并强调了未来研究的方向。
[腹肌]
[pdf格式][围兜]
