塞耶德·梅赫兰·卡泽米；里沙布·戈尔；杰恩，克什提吉；伊万·科比泽夫；阿克沙伊·塞提；彼得·福赛斯；Poupart，帕斯卡 动态图的表示学习：综述。 （英语） Zbl 1498.68243号 J.马赫。学习。物件。 21，第70号论文，73页（2020年）. 摘要：图自然地出现在许多现实世界的应用程序中，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。 引用于4文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 68兰特 计算机科学中的图论（包括图形绘制） 68立方英尺 知识表示 68-02 与计算机科学有关的研究展览会（专著、调查文章） 关键词：图表示学习；动态图形；知识图嵌入；异构信息网络 软件：MXNet公司；电影镜头；S变速箱；PyTorch公司；凯莱网；雅高；PyTorch-BigGraph图标；PyG公司；节点2vec；metatah2vec；动态记录仪2vec；科内克特；RelNN公司；单词2vec；手套；火炬差异；张紧器2传感器；DeepWalk公司；DynGEM公司；ProbLog（问题日志）；RDF2vec公司；深水潜水 PDF格式BibTeX公司 XML格式引用 \textit{S.M.Kazemi}等人，J.Mach。学习。第21号决议，第70号论文，73页（2020年；Zbl 1498.68243） 全文： arXiv公司 链接 参考文献： [1] Charu Aggarwal和Karthik Subbian。进化网络分析：一项调查。ACM计算调查（CSUR），47（1）：2014年10月·Zbl 1322.68138号 [2] Nahla Mohamed Ahmed和Ling Chen。一种有效的时间不确定社交网络链接预测算法。信息科学，331:120-1362016·Zbl 1390.91258号 [3] Nahla Mohamed Ahmed、Ling Chen、Yulong Wang、Bin Li、Yun Li和Wei Liu。时态网络中基于采样的链路预测算法。信息科学，374:1-142016·Zbl 1433.62274号 [4] Hirotugu Akaike。拟合自回归模型进行预测。统计数学研究所年鉴，21（1）：243-2471969·Zbl 0202.17301号 [5] 穆罕默德·哈桑和穆罕默德·扎基。社交网络中链接预测的调查。InSocial network Data Analytics，第243-275页。施普林格，2011年。 [6] L´aszl o Babai和Ludik Kucera。线性平均时间中图的规范标号。第20届计算机科学基础年度研讨会（sfcs 1979），第39-46页。 [7] Dzmitry Bahdanau、Kyunghyun Cho和Yoshua Bengio。联合学习对齐和翻译的神经机器翻译。arXiv预印本arXiv:1409.04732014。 [8] 宋白（Song Bai）、张飞虎（Feihu Zhang）和菲利普（Philip HS Torr）。超图卷积和超图注意。arXiv预印本arXiv:1901.081502019。 [9] 伊万娜·巴拉泽维奇（Ivana Balazevic）、卡尔·艾伦（Carl Allen）和蒂莫西·霍斯帕德斯（Timothy M Hospedales）。超网络知识图嵌入。arXiv预印本arXiv:1808.07018，2018。 [10] 伊万娜·巴拉泽维奇、卡尔·艾伦和蒂莫西·霍斯佩德斯。塔克：用于知识图完成的张量因子分解。InICML适应性和多任务学习研讨会： [11] Robert Bamler和Stephan Mandt。动态单词嵌入。InICML，第380-389页，2017年。 [12] 尼古拉·巴斯塔斯、西奥多罗斯·塞梅尔齐迪斯、阿波斯托洛斯·阿克斯诺普洛斯和彼得罗斯·达拉斯。evolve2vec：使用时间展开来学习网络表示。国际互联网 [13] 米哈伊尔·贝尔金和帕塔·尼约吉。用于嵌入和聚类的拉普拉斯特征映射和光谱技术。神经信息处理系统进展（NeurIPS），第585-5912001页。 [14] 亚历克斯·贝特尔、保罗·科文顿、萨加尔·贾恩、灿旭、贾丽、文斯·加托和埃德·赫奇。潜在交叉：在重复推荐系统中利用上下文。第十一届ACM [15] 卞冉冉（Ranran Bian）、许云成（Yun Sing Koh）、吉莉安·多比（Gillian Dobbie）和安娜·迪沃利（Anna Divoli）。动态异构网络中的网络嵌入和变更建模。第四十二次诉讼 [16] Cemal Cagatay Bilgin和B–under Yener。动态网络演化：模型、聚类、异常检测。IEEE Networks，2006年。 [17] 斯蒂芬·邦纳（Stephen Bonner）、约翰·布伦南（John Brennan）、伊巴德·库雷西（Ibad Kureshi）、乔治奥·西奥多罗普洛斯（Georgios Theodoropoulos）、安德鲁·斯蒂芬·麦高（Andrew Stephen McGough）。时间图偏移重建：面向时间鲁棒图表示学习。2018年IEEE国际大型会议 [18] Antoine Bordes、Nicolas Usunier、Alberto Garcia-Duran、Jason Weston和Oksana Yakhnenko。转换用于建模多关系数据的嵌入。预付款 [19] Karsten M Borgwardt、Cheng Soon Ong、Stefan Sch¨onauer、SVN Vishwanathan、Alex J Smola和Hans-Peter Kriegel。通过图核预测蛋白质功能。生物信息 [20] 伊丽莎白·博施、詹妮弗·劳滕施拉格、肖恩·奥布莱恩、史蒂夫·谢尔曼、詹姆斯·斯塔兹和迈克尔·沃德。Icews编码事件数据。哈佛Dataverse，2015年12月。 [21] George EP Box、Gwilym M Jenkins、Gregory C Reinsel和Greta M Ljung。时间序列分析：预测和控制。John Wiley&Sons，2015年。 [22] 马修·布兰德。薄奇异值分解的快速低阶修改。线性代数及其应用，415（1）：20-302006·Zbl 1088.65037号 [23] 威廉·布伦德尔和西尼萨·托多罗维奇。学习人类活动的时空图。第十三届国际计算机视觉会议（ICCV），第778-785页。IEEE，2011年。 [24] Michael M Bronstein、Joan Bruna、Yann LeCun、Arthur Szlam和Pierre Vandergheynst。几何深度学习：超越欧几里德数据。IEEE信号处理杂志，34（4）：18-422017。 [25] 鸿海步、Tuyen N Huynh和Sebastian Riedel。图模型的自同构群和提升的变分推理。关于 [26] J.R.Bunch和C.P.Nielsen。更新奇异值分解。数字数学，31:111-1291978年·Zbl 0421.65028号 [27] 蔡洪云、文森特·郑和凯文·陈川。图嵌入的综合综述：问题、技术和应用。IEEE事务处理 [28] 蔡金一、马丁·费雷尔和尼尔·伊梅尔曼。用于图形识别的变量数的最佳下界。组合数学，12（4）：389-4101992·Zbl 0785.68043号 [29] 曹少生、陆伟和徐琼凯。用于学习图形表示的深度神经网络。2016年第三十届AAAI人工智能会议。 [30] 安德鲁·卡尔森（Andrew Carlson）、贾斯汀·贝特里奇（Justin Betteridge）、布莱恩·基希尔（Bryan Kisiel）、伯尔·塞勒斯（Burr Settles）、埃斯特瓦姆·赫鲁什卡（Estevam R Hruschka）和汤姆·米切尔。走向一个永无止境的语言学习架构。二十年 [31] Augustin Chaintreau、Pan Hui、Jon Crowcroft、Christophe Diot、Richard Gass和James Scott。人类移动性对机会主义转发算法的影响。IEEE事务 [32] Deepayan Chakrabarti、Ravi Kumar和Andrew Tomkins。进化聚类。第十二届ACM SIGKDD国际知识发现和数据会议 [33] 本杰明·保罗·张伯伦（Benjamin Paul Chamberlain）、詹姆斯·克劳夫（James Clough）和马克·彼得·德伊森罗斯（Marc Peter Deisenroth）。双曲空间中图的神经嵌入。arXiv预印本arXiv:1705.103592017。 [34] 克里斯·查特菲尔德和穆罕默德·亚尔。霍尔特温特斯预测：一些实际问题。英国皇家统计学会杂志。D辑（统计学家），37（2），1988年。 [35] Melisachew Wudage Chekol和Heiner Stuckenschmidt。基于规则的时间推断。在第33届逻辑编程国际会议（ICLP 2017）的技术交流中。Dagstuhl-Leibniz-Zentrum fuer Informatik学校，2018年。 [36] 梅利萨切夫·乌达格·契科尔（Melisachew Wudage Chekol）、朱塞佩·皮尔奥（Giuseppe Pirr’o）、乔尔格·舍恩菲什（Joerg Schoenfisch）和海纳·斯塔肯施密特（Heiner Stuckenschmidt）。在知识图中结合不确定性和时间。第三十届AAAI会议 [37] 陈晨和航航童。动态图的快速特征函数跟踪。工业和应用数学学会出版物，第559-567页，2015年。 [38] 陈金银、徐宣恒、吴阳阳和郑海滨。GC-LSTM：用于动态链路预测的图卷积嵌入式LSTM。arXiv预印本arXiv:1812.042062018a。 [39] 陈金银、张健、徐宣恒、傅成波、张丹、张庆鹏和祁璇。E-LSTM-D：动态网络链路预测的深度学习框架。 [40] 陈田琪（Tian Qi Chen）、尤利娅·鲁巴诺娃（Yulia Rubanova）、杰西·贝登古（Jesse Bettencourt）和大卫·K·杜维诺（David K Duvenaud）。神经常微分方程。神经信息处理系统进展（NeurIPS），第6572-65832018b页。 [41] 陈田琪（Tianqi Chen）、伊恩·古德费罗（Ian Goodfellow）和乔纳森·施伦斯（Jonathon Shlens）。Net2net：通过知识转移加速学习。arXiv预印本arXiv:1511.056412015a。 [42] 陈天琦、李牧、李玉田、林敏、王乃艳、王敏杰、肖天军、徐冰、张池元和张正。Mxnet：异构分布式系统的灵活高效机器学习库。arXiv预打印arXiv:1512.012742015b。 [43] 陈婷和孙益洲。任务引导和路径增强的异构网络嵌入，用于作者身份识别。第十届ACM国际会议记录 [44] 陈正道、李丽莎和琼·布鲁纳。用线图神经网络进行监督社区检测。2019b国际学习代表大会（ICLR）。 [45] 陈正道（Zhengdao Chen）、索莱达德·维拉尔（Soledad Villar）、陈雷（Lei Chen）和琼·布鲁纳（Joan Bruna）。图同构测试与GNN函数逼近的等价性。神经研究进展 [46] Yun Chi、Xiaodan Song、Dengyong Zhou、Koji Hino和Belle L Tseng。关于进化谱聚类。ACM关于从数据中发现知识的事务（TKDD），3 [47] Kyunghyun Cho、Bart Van Merri¨enboer、Caglar Gulcehre、Dzmitry Bahdanau、Fethi Bougares、Holger Schwenk和Yoshua Bengio。使用RNN编码器-解码器学习短语表示以进行统计机器翻译。arXiv预印本arXiv:1406.10782014。 [48] Edward Choi、Mohammad Taha Bahadori、Andy Schuetz、Walter F Stewart和Jimeng Sun。AI医生：通过递归神经网络预测临床事件。InMachine公司 [49] 詹姆斯·科尔曼和詹姆斯·塞缪尔·科尔曼。社会理论基础。哈佛大学出版社，1994年。 [50] 大卫·R·考克斯和彼得·阿德里安·沃尔特·刘易斯。多元点过程。第六届伯克利数理统计与概率研讨会，第3卷，第401-448页，1972年·Zbl 0267.60057号 [51] 约瑟夫·克劳福德和蒂亚娜·米伦科维。Cluenet：基于拓扑相似性而非密度对时间网络进行聚类。公共科学图书馆，13（5）：e01959932018。 [52] 彭翠、小王、简培和朱文武。网络嵌入综述。IEEE知识与数据工程汇刊，2018年。 [53] 保罗·里卡多·达席尔瓦·苏亚雷斯和里卡多·巴斯托斯·卡瓦尔坎特·普鲁德·恩西奥。基于时间序列的链路预测。国际神经网络联合会议（IJCNN），第1-7页。IEEE，2012年。 [54] 戴汉军、王一晨、拉克希特·特里维迪和乐松。深度协同进化网络：为推荐嵌入用户和项目功能。arXiv预印本arXiv:1609.036752016。 [55] 戴汉军、佐尔尼萨·科扎列娃、博代、亚历克斯·斯莫拉和乐松。学习图上迭代算法的稳态。国际机器学习会议 [56] 拉贾西·达斯（Rajarshi Das）、谢赫扎德·杜利亚瓦拉（Shehzaad Dhuliawala）、曼齐尔·扎赫尔（Manzil Zaheer）、卢克·维尼斯（Luke Vilnis）、伊斯汉·杜鲁加尔（Ishan Durugkar）、阿克谢·克里希纳穆西（Akshay Krishnamurthy。走一走，找到答案：使用强化学习在知识库中的路径上进行推理。在 [57] Rajarshi Das、Tsendsuren Munkhdalai、Xingdi Yuan、Adam Trischler和Andrew McCallum。使用机器阅读理解从文本构建动态知识图。 [58] Shib Sankar Dasgupta、Swayambhu Nath Ray和Partha Talukdar。Hyte：基于超平面的时间感知知识图嵌入。自然中的非经验方法 [59] Chandler Davis和W.M.Kahan。特征向量的扰动旋转。iii.SIAM数值分析杂志，7:1-461970·Zbl 0198.47201号 [60] Luc De Raedt、Angelika Kimmig和Hannu Toivonen。Problog：一种概率prolog及其在链路发现中的应用。第二十届国际人工联合会议 [61] Sam De Winter、Tim Decuypere、Sandra Mitrovic、Bart Baesens和Jochen De Weerdt。将动态网络的时间方面与节点2vec相结合，以实现更高效的动态链路预测。2018年IEEE/ACM社会网络分析与挖掘进展国际会议（ASONAM），第1234-1241页。IEEE，2018年。 [62] Micha¨el Defferrard、Xavier Bresson和Pierre Vandergheynst。具有快速局部频谱滤波的图上的卷积神经网络。神经信息研究进展 [63] Mostafa Deghani、Stephan Gouws、Oriol Vinyals、Jakob Uszkoreit和Lukasz Kaiser。通用变压器arXiv预印本arXiv:1807.038192018。 [64] Tim Dettmers、Pasquale Minervini、Pontus Stenetorp和Sebastian Riedel。卷积二维知识图嵌入。2018年第三十二届AAAI人工智能会议。 [65] 保罗·多布森和安德鲁·多伊格。区分酶结构和非酶结构而不进行比对。《分子生物学杂志》，330（4）：771-7832003。 [66] Xin Dong、Evgeniy Gabrilovich、Geremy Heitz、Wilko Horn、Ni Lao、Kevin Murphy、Thomas Strohmann、Shaohua Sun和Wei Zhang。知识库：一种网络规模的概率知识融合方法。第二十届ACM SIGKDD国际会议 [67] 董玉霄（Yuxiao Dong）、尼特斯五世（Nitesh V Chawla）和阿南特拉姆·斯瓦米（Ananthram Swami）。metapath2vec：异构网络的可伸缩表示学习。第23届ACM SIGKDD会议记录 [68] 杜伦、王云、宋国杰、卢志聪和王俊山。动态网络嵌入：基于skip-gram的网络嵌入的扩展方法。第二十七届国际人工智能联合会议（IJCAI），第2086-2092页，2018年。 [69] 杜楠（Nan Du）、戴汉军（Hanjun Dai）、拉克希特·特里维迪（Rakshit Trivedi）、乌特卡什·乌帕迪亚伊（Utkarsh Upadhyay）、曼努埃尔·戈梅兹·罗德里格斯（Manuel Gomez-Rodriguez）和。循环标记的时态点进程：将事件历史嵌入到向量。第二十届ACM SIGKDD国际知识发现和 [70] Daniel M Dunlavy、Tamara G Kolda和Evrim Acar。使用矩阵和张量分解进行时间链接预测。ACM数据知识发现事务 [71] David K Duvenaud、Dougal Maclaurin、Jorge Iparraguirre、Rafael Bombarell、Timothy Hirzel、Al´an Aspuru Guzik和Ryan P Adams。用于学习分子指纹的图上卷积网络。神经信息处理系统研究进展 [72] 马克西米利安·迪拉（Maximilian Dylla）、艾丽斯·米利亚拉基（Iris Miliaraki）和马丁·西奥博尔德（Martin Theobald）。用于信息提取的时间-概率数据库模型。超大数据库（VLDB），6（14）：1810-18212013。 [73] 卡尔·埃卡特和盖尔·扬。一个矩阵与另一个低阶矩阵的近似。《心理测量学》，1（211），1936年·JFM 62.1075.02标准 [74] 杰弗里·埃尔曼。及时发现结构。认知科学，14（2）：179-2111990。 [75] 罗伯特·恩格尔和杰弗里·罗素。自回归条件持续时间：不规则间隔交易数据的新模型。《计量经济学》，第1127-1162页，1998年·Zbl 1055.62571号 [76] 克里斯托巴尔·埃斯特班（Crist’obal Esteban）、沃尔克·特雷普（Volker Tresp）、杨银冲（Yinchong Yang）、斯蒂芬·拜尔（Stephan Baier）和丹尼斯·克罗帕（Denis Krompa）。预测事件和知识图的共同演化。2016年第19届国际 [77] Bahare Fatemi、Siamak Ravanbakhsh和David Poole。使用背景分类信息改进知识图嵌入。AAAI会议记录 [78] Bahare Fatemi、Perouz Taslakian、David Vazquez和David Poole。知识超图：超越二元关系的预测。arXiv预印本arXiv:1906.00137，2019b。 [79] 冯富力、何向南、王翔、罗成、刘一群和蔡大胜。股票预测的时间关系排名。arXiv预印本arXiv:1809.094412018a。 [80] 冯一凡、游浩轩、张子钊、季荣荣、高岳。超图神经网络。arXiv预印本arXiv:1809.094012018b。 [81] Matthias Fey和Jan E.Lenssen。使用PyTorch Geometric进行快速图形表示学习。CoRR，abs/1903.024282019年。 [82] 马蒂亚斯·费伊（Matthias Fey）、扬·埃里克·伦森（Jan Eric Lenssen）、弗兰克·魏切特（Frank Weichert）和海因里希·穆勒（Heinrich M¨uller）。Spinecnn：具有连续b样条核的快速几何深度学习。InIEEE计算机会议 [83] Dov M Gabbay、Christopher John Hogger和John Alan Robinson。人工智能和逻辑编程中的逻辑手册：第5卷：逻辑编程。克拉伦登·Zbl 0889.03001号 [84] Alberto Garc´ıa-Dur´an、Sebastian Duman´ci´c和Mathias Niepert。用于时间知识图补全的学习序列编码器。arXiv预印本arXiv:1809.032022018。 [85] 约翰内斯·盖尔克、保罗·金斯帕格和乔恩·克莱伯格。2003年kdd杯概述。ACM SIGKDD探索新闻稿，5（2）：149-1512003。 [86] Pallabi Ghosh、Yi Yao、Larry S Davis和Ajay Divakaran。用于动作分割的堆叠时空图卷积网络。arXiv预印本arXiv:1811.105752018。 [87] 贾斯汀·吉尔默（Justin Gilmer）、塞缪尔·肖恩霍尔茨（Samuel S Schoenholz）、帕特里克·莱利（Patrick F Riley）、奥利奥·维尼亚尔斯（Oriol Vinyals）和乔治·达尔（George E Dahl）。量子化学的神经信息传递。国际机器会议 [88] Rishab Goel、Seyed Mehran Kazemi、Marcus Brubaker和Pascal Poupart。时间知识图完成的历时嵌入。第三十四届AAAI会议 [89] Palash Goyal、Nitin Kamra、Xinran He和Yan Liu。Dyngem：动态图的深度嵌入方法。InIJCAI代表性学习国际研讨会 [90] 帕拉什·戈亚尔（Palash Goyal）、苏吉特·罗卡·切特里（Sujit Rokka Chhetri）和阿基米德斯·卡内多（Arquimedes Canedo）。dyngraph2vec:使用动态图表示学习捕获网络动态。arXiv预印本 [91] Aditya Grover和Jure Leskovec。node2vec：网络的可扩展特性学习。在第二届ACM SIGKDD国际知识发现和 [92] Ekta Gujral、Ravdeep Pasricha和Evangelos E Papalexakis。SamBaTen：基于采样的批量增量张量分解。InSIAM国际数据会议 [93] Manish Gupta、Charu C Aggarwal、Jiawei Han和Yizhou Sun。书目网络的进化聚类和分析。2011年社会网络分析和挖掘进展国际会议，第63-70页。IEEE，2011年。 [94] 威尔·汉密尔顿（Will Hamilton）、应志涛（Zhitao Ying）和朱尔·莱斯科维奇（Jure Leskovec）。大型图的归纳表示学习。神经信息处理系统进展（NeurIPS），第1024-1034页，2017a。 [95] 威尔·汉密尔顿（Will Hamilton）、帕亚尔·巴贾杰（Payal Bajaj）、马林卡·齐特尼克（Marinka Zitnik）、丹·朱拉夫斯基（Dan Jurafsky）和朱尔·莱斯科维奇（Jure Leskovec）。在知识图上嵌入逻辑查询。神经信息处理系统进展（NeurIPS），第2026-2037页，2018年。 [96] 威廉·汉密尔顿（William L Hamilton）、朱尔·莱斯科维奇（Jure Leskovec）和丹·朱拉夫斯基（Dan Jurafsky）。历时词嵌入揭示了语义变化的统计规律。计算语言学协会（ACL），2016年。 [97] 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）。图的表示学习：方法和应用。IEEE数据工程公告，40（3）：52-742017b。 [98] F Maxwell Harper和Joseph A Konstan。movielens数据集：历史和背景。ACM交互式智能系统交易（TIIS），5（4）：2016。 [99] 理查德·哈什曼（Richard A.Harshman）、彼得·拉德福德（Peter Ladefoged）、H.格拉夫·冯·莱森巴赫（H.Graf von Reichenbach）、罗伯特·詹里希（Robert I.Jennrich）、戴尔·特比克（Dale Terbeek）、李·库珀（Lee Cooper）、安德鲁·科莫里（Andrew L。parafac程序的基础：模型和条件 [100] 阿兰·霍克斯（Alan G Hawkes）。一些自激和相互激点过程的谱。《生物特征》，58（1）：83-901971·Zbl 0219.60029号 [101] Hayashi Katsuhiko和Masashi Shimbo。关于链接预测的全息和复杂嵌入的等价性。arXiv预印本arXiv:1702.055632017。 [102] 卡尔·莫里茨·赫尔曼（Karl Moritz Hermann）、托马斯·科西斯基（Tomas Kocisky。教机器阅读和理解。在 [103] 赫伯特·W·赫斯科特。传染病数学。SIAM综述，42（4）：599-6532000·Zbl 0993.92033号 [104] 杰弗里·欣顿（Geoffrey E Hinton）和鲁斯兰·萨拉库丁诺夫（Ruslan R Salakhutdinov）。利用神经网络降低数据的维数。《科学》，313（5786）：504-5072006·Zbl 1226.68083号 [105] 久野良惠。动态链路预测的半监督图嵌入方法。复杂网络国际研讨会，第109-121页。施普林格，2018年。 [106] 弗兰克·L·希区柯克。张量或多元数作为乘积之和的表达式。《数学与物理杂志》，第6期（1-4）：164-1891927年·JFM 53.0095.01号文件 [107] Sepp Hochreiter和J¨urgen Schmidhuber。长短期记忆。神经计算，9（8）：1735-17801997。 [108] 约翰内斯·霍法特（Johannes Hoffart）、费比安·穆沙内克（Fabian M Suchanek）、克劳斯·贝贝里奇（Klaus Berberich）和格哈德·魏库姆（Gerhard Weikum）。Yago2：来自维基百科的时空增强知识库。《人工智能》，194:28-612013年·Zbl 1270.68303号 [109] 胡浩和齐国军。状态频率记忆递归神经网络。国际机器学习会议（ICML），第1568-1577页，2017年。 [110] 洪晃（Hong Huang）、汤洁（Jie Tang）、刘璐（Lu Liu）、罗雅德（JarDer Luo）和傅晓明（Xiaoming Fu）。社交网络中的三元封闭模式分析和预测。IEEE知识与数据汇刊 [111] Zan Huang和Dennis KJ Lin。时间序列链路预测问题及其在通信监控中的应用。信息计算杂志，21（2）：286-3032009。 [112] 黄志恒、徐伟、余凯。用于序列标记的双向LSTM-CRF模型。arXiv预印arXiv:1508.01991，2015b。 [113] 雅各布·胡贝尔（Jakob Huber）、克里斯蒂安·梅利克（Christian Meilicke）和海纳·斯塔肯施密特（Heiner Stuckenschmidt）。应用马尔可夫逻辑调试概率时态知识库。第四次自动化研讨会 [114] Nahla Mohamed Ahmed Ibrahim和Ling Chen。通过整合不同类型的信息，在动态社交网络中进行链接预测。应用情报，42（4）：738-750，2015年。 [115] Lorenzo Isella、Juliette Stehl´e、Alain Barrat、Ciro Cattuto、Jean-Françcois Pinton和Wouter Van den Broeck。人群中有什么？面对面的行为网络分析。日记账 [116] 瓦莱丽·伊斯汉姆（Valerie Isham）和马克·韦斯科特（Mark Westcott）。自我修正点过程。随机过程及其应用，8（3）：335-3471979·Zbl 0398.60054号 [117] Ashesh Jain、Amir R Zamir、Silvio Savarese和Ashutosh Saxena。结构-RNN：对时空图的深入学习。InIEEE计算机视觉和模式会议 [118] Zhen Jia、Abdalghani Abujabal、Rishiraj Saha Roy、Jannik Str¨otgen和Gerhard Weikum。龙舌兰酒：在知识库上回答时间问题。InTwenty-Seventh ACM公司 [119] 姜廷松、刘天宇、陶戈、雷莎、张宝宝、李素建和隋志芳。面向时间感知的知识图完成。第二十六国际 [120] Woojeong Jin、Changlin Zhang、Pedro Szekely和Xiang Ren。用于时序知识图推理的递归事件网络。arXiv预印本arXiv:1904.055302019。 [121] 马吕斯·卡明斯卡和德里克·布里奇。多样性、偶然性、新颖性和覆盖率：对推荐系统中超精度目标的调查和实证分析。ACM公司 [122] 赛义德·梅赫兰·卡泽米（Seyed Mehran Kazemi）。表示和学习不确定性下的关系和属性。不列颠哥伦比亚大学博士论文，2018年。 [123] Seyed Mehran Kazemi和David Poole。统计关系模型的加权规则和图随机游走的桥接。机器人与人工智能前沿，2018年5月8日a。 [124] Seyed Mehran Kazemi和David Poole。RelNN：关系学习的深层神经模型。第三十二届AAAI人工智能会议，2018b。 [125] Seyed Mehran Kazemi和David Poole。用于知识图中链接预测的简单嵌入。神经信息处理系统进展（NeurIPS），第4289-4300页，2018c。 [126] Seyed Mehran Kazemi、David Buchman、Kristian Kersting、Sriram Natarajan和David Poole。关系逻辑回归。第十四届国际会议 [127] Seyed Mehran Kazemi、Angelika Kimmig、Guy Van den Broeck和David Poole。一阶概率推理的新的可提升类。神经信息研究进展 [128] Seyed Mehran Kazemi、Rishab Goel、Sepehr Eghbali、Janahan Ramanan、Jaspriet Sahota、Sanjay Thakur、Stella Wu、Cathal Smyth、Pascal Poupart和Marcus Brubaker。Time2vec:学习时间的向量表示。arXiv预印本arXiv:1907.053212019。 [129] 尼古拉斯·克里文（Nicolas Keriven）和加布里埃尔·佩尔（Gabriel Peyr’e）。通用不变和等变图神经网络。神经信息处理系统研究进展（NeurIPS），2019年。 [130] 克里斯蒂安·科斯廷（Kristian Kersting）、巴巴克·艾哈迈迪（Babak Ahmadi）和斯里拉姆·纳塔拉扬（Sriram Natarajan）。计算信仰传播。第二十五届人工智能不确定性会议论文集 [131] 金敏秀和韩嘉伟。一种基于粒子和密度的动态网络进化聚类方法。超大数据库（VLDB），2（1）：622-6332009。 [132] 安吉丽卡·基米格、斯蒂芬·巴赫、马蒂亚斯·布罗切勒、伯特·黄和莉斯·盖图。概率软逻辑简介。InNeurIPS概率研讨会 [133] 约翰·弗兰克·查尔斯·金曼。P oisson过程。生物统计学百科全书，2005年6月。 [134] 托马斯·基普夫（Thomas N.Kipf）和马克斯·威林（Max Welling）。图卷积网络半监督分类。2017年国际学习代表大会（ICLR）。 [135] 布莱恩·克里姆特和杨一鸣。介绍安然语料库。InCEAS，2004年。 [136] Daphne Koller、Nir Friedman、Sa’so D’zeroski、Charles Sutton、Andrew McCallum、Avi Pfeffer、Pieter Abbeel、Ming-Fai Wong、David Heckerman、Chris Meek等。简介 [137] 雅各布将军和尤加尔·卡利塔。使用注意力神经技术的抽象摘要。arXiv预印arXiv:1810.088382018。 [138] Srijan Kumar、William L Hamilton、Jure Leskovec和Dan Jurafsky。网络上的社区互动和冲突。在万维网上的万维网会议中，第933-943页。国际万维网会议指导委员会，2018a。 [139] Srijan Kumar、Xikun Zhang和Jure Leskovec。从时间交互网络学习动态嵌入。arXiv预印本arXiv:1812.022892018b。 [140] J'erˆome Kunegis。科奈特：科布伦茨网络收藏。第二十届万维网国际会议，WWW’13 Companion，1343-1350页，纽约， [141] 蒂莫斯·埃·拉克鲁瓦（Timoth´ee Lacroix）、尼古拉·乌苏尼尔（Nicolas Usunier）和纪尧姆·奥博津斯基（Guillaume Obozinski）。用于完成知识库的标准张量分解。国际机器学习会议 [142] Ni Lao和William W Cohen。使用路径约束随机行走组合的关系检索。机器学习，81（1）：53-672010·Zbl 1470.68130号 [143] Ni Lao、Tom Mitchell和William W Cohen。大规模知识库中的随机行走推理和学习。自然语言处理经验方法（EMNLP），第529-539页。计算语言学协会，2011年。 [144] 朱利安·莱布莱（Julien Leblay）和梅利萨切夫·乌达格·契科尔（Melisachew Wudage Chekol）。推导知识图中的有效时间。《2018年网络会议对比》，第1771-1776页。国际万维网会议指导委员会，2018年。 [145] 卡列夫·列塔鲁（Kalev Leetaru）和菲利普·施罗德（Philip A Schrodt）。格德尔特：1979-2012年关于事件、地点和语气的全球数据。InISA年度会议，第2卷，第1-49页。Citeser，2013年。 [146] Adam Lerer、Ledell Wu、Shen Jiajun、Timothee Lacroix、Luca Wehrstedt、Abhijit Bose和Alex Peysakhovich。Pytorch-biggraph:Alarge-scale图形嵌入系统。arXiv预打印arXiv:1903.122872019。 [147] 朱尔·莱斯科维奇（Jure Leskovec）、乔恩·克莱恩伯格（Jon Kleinberg）和克里斯托斯·法洛索斯（Christos Faloutsos）。随时间变化的图表：致密化规律、收缩直径和可能的解释。第十一届ACM SIGKDD国际 [148] 皮埃尔·达维德·莱托努（Pierre-Divid Letourneau）、穆图·巴斯卡兰（Muthu Baskaran）、汤姆·亨利蒂（Tom Henretty）、詹姆斯·埃齐克（James Ezick）和理查德·莱辛（Richard Lethin）。用于流数据中新兴组件发现的计算效率高的cp张量分解更新框架。2018年IEEE高性能极限计算 [149] 罗恩·莱维、费德里科·蒙蒂、泽维尔·布雷松和迈克尔·布朗斯坦。Cayleynets：带有复杂有理谱滤波器的图卷积神经网络。IEEE事务·Zbl 1415.68169号 [150] 基思·莱文（Keith Levin）、法博德·罗斯塔·呼拉桑尼（Farbod Roosta-Khorasani）、迈克尔·马奥尼（Michael W Mahoney）和凯里·普里贝（Carey E Priebe）。图邻接谱嵌入的样本外扩展。arXiv预印本arXiv:1802.063072018。 [151] 李超龙、崔震、郑文明、徐春燕、杨健。基于骨架的动作识别的时空图卷积。第三十二届AAAI会议 [152] 李俊东（Jundong Li）、哈什·达尼（Harsh Dani）、夏虎（Xia Hu）、汤继良（Jiliang Tang）、伊昌（Yi Chang）和刘欢（Huan Liu）。用于动态环境中学习的属性网络嵌入。关于信息和 [153] 李亚光（Yaguang Li）、于玫瑰花（Rose Yu）、赛勒斯·沙哈比（Cyrus Shahabi）和刘燕（Yan Liu）。扩散卷积递归神经网络：数据驱动流量预测。arXiv预印本arXiv:1707.019262017b。 [154] 杨丽、南都和萨米·本吉奥。神经事件序列预测的时间相关表示。arXiv预印本arXiv:1708.000652017c。 [155] Yuja Li、Daniel Tarlow、Marc Brockschmidt和Richard Zemel。门控图序列神经网络。arXiv预印本arXiv:1511.05493，2015。 [156] 廖仁杰（Renjie Liao）、赵志珍（Zhizhen Zhao）、拉奎尔·厄塔松（Raquel Urtasun）和理查德·泽梅尔（Richard S Zemel）。Lanczosnet：多尺度深度图卷积网络。arXiv预印本arXiv:1901.014842019。 [157] David Liben-Nowell和Jon Kleinberg。社交网络的链接预测问题。美国信息科学与技术学会杂志，58（7）：1019-1031， [158] 林彦凯、刘志远、孙茂松、刘洋和朱璇。用于完成知识图的学习实体和关系嵌入。第二十届AAAI会议 [159] 刘汉晓、吴跃欣和杨一鸣。多关系嵌入的类比推理。在国际机器学习会议（ICML）上，第2168-2178页。JMLR公司。org，2017年。 [160] 刘熙、谢平春、尼克·达菲尔德、陈锐、谢木禾和文希道。通过本地操作嵌入实时流图。2019年公司会议记录 [161] 马建新、崔鹏、朱文武。深度：学习动态网络中样本外节点的嵌入。第三十二届AAAI人工智能会议，2018年a。 [162] 姚马、郭子怡、任兆春、赵耀威、唐继良和尹大伟。流图神经网络。arXiv预印本arXiv:1810.10627，2018b。 [163] 马云浦（Yunpu Ma）、沃尔克·特雷普（Volker Tresp）和埃里克·A·达克斯伯格（Erik A Daxberger）。情节知识图的嵌入模型。《网络语义杂志》，2018c。 [164] Anmol Madan、Manuel Cebrian、Sai Moturu、Katayoun Farrahi等人。感知社区的“健康状态”。IEEE普及计算，11（4）：36-452012。 [165] Sedigheh Mahdavi、Shima Khoshraftar和Aijun An.dynode2vec：可扩展动态网络嵌入。2018年IEEE国际大数据会议（Big Data），第3762-3765页。IEEE，2018年。 [166] 弗朗科·马内西（Franco Manessi）、亚历山德罗·罗扎（Alessandro Rozza）和马里奥·曼佐（Mario Manzo）。动态图卷积网络。arXiv预印arXiv:1704.061992017。 [167] 哈里·马科维茨。投资组合选择。《金融杂志》，7（1）：77-911952。 [168] 哈盖·马龙（Haggai Maron）、伊桑·费塔亚（Ethan Fetaya）、尼姆罗德·西格尔（Nimrod Segol）和亚伦·利普曼（Yaron Lipman）。关于不变网络的普遍性。InICML，2019年。 [169] 梅宏元和Jason M Eisner。神经霍克斯过程：神经自我调节的多变量点过程。神经信息处理系统研究进展 [170] Gr´egoire Mesnil、Yann Dauphin、Kaisheng Yao、Yoshua Bengio、Li Deng、Dilek Hakkani-Tur、Xiaodong He、Larry Heck、Gokhan Tur、Dong Yu等。使用递归神经网络填补口语理解中的空白。IEEE/ACM音频、语音和语言处理汇刊，23（3）：530-5392015。 [171] 汤姆的米科洛夫、马丁·卡拉菲亚特、卢卡的汉堡、扬·塞尔诺基和桑吉夫·库丹普尔。基于递归神经网络的语言模型。第十一届年会 [172] 托马斯·米科洛夫（Tomas Mikolov）、伊利亚·萨茨克沃（Ilya Sutskever）、陈凯（Kai Chen）、格雷格·科拉多（Greg S Corrado）和杰夫·迪恩（Jeff Dean）。单词和短语的分布式表示及其组成。神经研究进展 [173] 阿明·米拉尼·法德（Amin Milani Fard）、易卜拉欣·巴赫里（Ebrahim Bagheri）和王克（Ke Wang）。动态异构信息网络中的关系预测。欧洲信息检索会议，第19-34页。斯普林格，2019年。 [174] Sudatta Mohanty和Alexey Pozdnukhov。用于动态宏观交通拥堵预测的图CNN+LSTM框架。国际采矿与采矿研讨会 [175] 贝纳兹·莫拉达巴迪（Behnaz Moradabadi）和穆罕默德·雷扎·梅博迪（Mohammad Reza Meybodi）。一种新的时间序列链接预测方法：学习自动机方法。《物理A》，2017年。 [176] 克里斯托弗·莫里斯（Christopher Morris）、马丁·里泽特（Martin Ritzert）、马蒂亚斯·菲（Matthias Fey）、威廉·汉密尔顿（William L Hamilton）、扬·埃里克·伦森（Jan Eric Lenssen）、高拉夫·拉特坦（Gaura。Weisfeiler和leman go神经网络：高阶图形神经网络。2019年第三十三届AAAI人工智能会议。 [177] 凯文·帕特里克·墨菲和斯图尔特·拉塞尔。动态贝叶斯网络：表示、推理和学习。2002 [178] 阿普瓦·纳拉扬和彼得·霍恩·罗。使用深度神经网络学习图形动力学。IFAC-PapersOnLine，51（2）：433-4382018年。 [179] Deepak Nathani、Jatin Chauhan、Charu Sharma和Manohar Kaul。学习基于注意的嵌入用于知识图中的关系预测。arXiv预印本 [180] 丹尼尔·尼尔（Daniel Neil）、迈克尔·菲佛（Michael Pfeiffer）和刘世芝（Shih-Chii Liu）。分阶段LSTM：加速长序列或基于事件的序列的重复网络训练。神经信息研究进展 [181] Dat Quoc Nguyen、Kairit Sirts、Lizhen Qu和Mark Johnson。Stranse：一种新的实体和关系在知识库中的嵌入模型。InNAACL-HLT，2016年。 [182] Giang H Nguyen、John Boaz Lee、Ryan A Rossi、Nesreen K Ahmed、Eunyee Koh和Sungchul Kim。动态网络嵌入：从随机漫步到时间随机漫步。2018年IEEE国际大数据会议（Big Data），第1085-1092页。IEEE，2018年a。 [183] 姜黄元、约翰·博阿兹·李、瑞安·罗西、内斯琳·艾哈迈德、恩尼·高和宋楚·金。连续时间动态网络嵌入。InCompanion of the [184] 马克西米利安·尼克尔（Maximilian Nickel）、沃尔克·特雷普（Volker Tresp）和汉斯·彼得·克里格尔（Hans-Peter Kriegel）。多关系数据集体学习的三方模型。国际机器学习会议 [185] 马克西米利安·尼克尔（Maximilian Nickel）、凯文·墨菲（Kevin Murphy）、沃尔克·特雷普（Volker Tresp）和叶夫根尼·加布里洛维奇（Evgeniy Gabrilovich）。知识图的关系机器学习综述。IEEE，104（1）：11-332016a。 [186] 马克西米利安·尼克尔（Maximilian Nickel）、洛伦佐·罗萨斯科（Lorenzo Rosasco）和托马索·波乔（Tomaso Poggio）。知识图的全息嵌入。第三十届AAAI人工智能会议，2016年b。 [187] Mathias Niepert、Mohamed Ahmed和Konstantin Kutzkov。学习图的卷积神经网络。国际机器学习会议（ICML），第2014-2023页，2016年。 [188] T.奥普萨尔。双模网络中的三元闭包：重新定义全局和局部聚类系数。社交网络，2011年。 [189] 欧明东、崔鹏、裴健、张紫薇和朱文武。非对称传递性保持图嵌入。二十秒ACM SIGKDD知识一致性 [190] Supriya Pandhre、Himangi Mittal、Manish Gupta和Vineeth N Balasubramanian。Stwalk：学习时间图中的轨迹表示。InACM印度联合国际 [191] 蒂瓦达尔·帕帕伊、亨利·考茨和丹尼尔·斯特凡科维奇。切片规范化动态马尔可夫逻辑网络。神经信息处理系统进展（NeurIPS），第1907-19152012页。 [192] Aldo Pareja、Giacomo Domeniconi、Jie Chen、Tengfei Ma、Toyotaro Suzumura、Hiroki Kanezashi、Tim Kaler和Charles E Leisersen。Evolvegcn：动态图的进化图卷积网络。arXiv预印本arXiv:1902.10192019。 [193] Adam Paszke、Sam Gross、Soumith Chintala、Gregory Chanan、Edward Yang、Zachary DeVito、Zeming Lin、Alban Desmaison、Luca Antiga和Adam Lerer。pytorch中的自动区分。InNeurIPS 2017 Autodiff研讨会：渐变的未来 [194] 裴玉龙、张建鹏、GH Fletcher和Mykola Pechenizkiy。动态社交网络中的节点分类。AALTD会议记录，2016年第54页。 [195] 杰弗里·彭宁顿（Jeffrey Pennington）、理查德·索彻（Richard Socher）和克里斯托弗·曼宁（Christopher Manning）。手套：单词表示的全局向量。自然语言处理实证方法（EMNLP），第1532-1543页，2014年。 [196] 布莱恩·佩罗齐（Bryan Perozzi）、拉米·阿尔罗福（Rami Al-Rfou）和史蒂文·斯基纳（Steven Skiena）。Deepwalk：社交表征的在线学习。第二十届ACM SIGKDD国际知识大会 [197] 布莱恩·佩罗齐（Bryan Perozzi）、维维克·库尔卡尼（Vivek Kulkarni）和史蒂文·斯基纳（Steven Skiena）。Walklets:可解释网络分类的多尺度图嵌入。arXiv预印本arXiv:1605.021152016。 [198] 纳塔·萨·普·祖尔杰。利用graphlet度分布进行生物网络比较。生物信息学，23（2）：e177-e1832007。 [199] 娜塔·萨·普雷·祖尔吉、德里克·科内尔和伊戈尔·法理学。交互组建模：无尺度还是几何？生物信息学，20（18）：3508-35152004。 [200] Stephan Rabanser、Oleksandr Shchur和Stephan G¨unnemann。张量分解及其在机器学习中的应用简介。arXiv预印本arXiv:1711.10781，2017。 [201] 劳伦斯·拉宾纳（Lawrence R Rabiner）和毕黄娟（Biing-Hwang Juang）。隐马尔可夫模型简介。ieee-assp杂志，3（1）：4-161986。 [202] 吕克·德·雷德（Luc De Raedt）、克里斯蒂安·科斯廷（Kristian Kersting）、斯里拉姆·纳塔拉扬（Sriram Natarajan）和大卫·普尔（David Poole）。统计关系人工智能：逻辑、概率和计算。人工合成讲座·Zbl 1352.68005号 [203] 马哈茂德·拉赫曼和穆罕默德·哈桑。使用graphlet进行动态网络中的链路预测。欧洲机器学习和知识发现联合会议 [204] 马修·理查森和佩德罗·多明戈斯。马尔可夫逻辑网络。机器学习，62（1-2）：107-1362006·Zbl 1470.68221号 [205] 彼得·里斯托斯基（Petar Ristoski）和海科·保尔海姆（Heiko Paulheim）。Rdf2vec：数据挖掘的Rdf图嵌入。在国际语义网络会议上，第498-514页。斯普林格，2016年。 [206] Ryan A.Rossi和Nesreen K.Ahmed。具有交互式图形分析和可视化功能的网络数据存储库。2015年第二十届AAAI人工智能会议。统一资源定位地址http://networkrepository.com。 [207] 亚当·萨迪莱克和亨利·考茨。从gps数据中识别多智能体活动。2010年第二十四届AAAI人工智能会议。 [208] 胡曼·佩罗·萨贾德（Hooman Peiro Sajjad）、安德鲁·多切蒂（Andrew Docherty）和尤里·泰谢茨基（Yuriy Tyshetskiy）。使用动态图的随机行走进行高效表示学习。arXiv预印本arXiv:1901.013462019。 [209] Aravind Sankar、Yanhong Wu、Liang Gou、Wei Zhang和Hao Yang。通过自关注网络进行动态图形表示学习。arXiv预印本arXiv:1812.094302018。 [210] 亚当·桑托罗（Adam Santoro）、大卫·拉波索（David Raposo）、大卫·G·巴雷特（David G Barrett）、马特乌斯·马林诺夫斯基（Mateusz Malinowski）、拉兹万·帕斯卡诺（Razvan Pascanu）、彼得·巴塔利亚（Peter Battaglia。用于关系推理的简单神经网络模块。神经信息处理系统进展（NeurIPS），第4967-4976页，2017年。 [211] Purnamrita Sarkar、Sajid M Siddiqi和Geogray J Gordon。一种用于动态嵌入同现数据的潜在空间方法。《人工智能与统计》，第420-427页，2007年。 [212] 佐藤宫、冈田美之、巴拉特宫和卡图托宫。Dyane：时间网络的动态感知节点嵌入，2019年。 [213] 迈克尔·施利奇特克鲁尔（Michael Schlichtkrull）、托马斯·基普夫（Thomas N Kipf。用图卷积网络建模关系数据。欧洲语义网络会议，第593-607页。施普林格，2018年。 [214] Minjoon Seo、Aniruddha Kembhavi、Ali Farhadi和Hannaneh Hajishirzi。机器理解的双向注意流。arXiv预印本arXiv:1611.016032016。 [215] Youngjoo Seo、Micha¨el Defferrard、Pierre Vandergheynst和Xavier Bresson。基于图卷积递归网络的结构化序列建模。国际会议 [216] 乌芒·沙兰和詹妮弗·内维尔。用于进化领域预测的时间关系分类器。2008年第八届IEEE数据挖掘国际会议，第540-549页。IEEE，2008年。 [217] Peter Shaw、Jakob Uszkoreit和Ashish Vaswani。使用相对位置表示法进行自我关注。2018年计算语言学协会北美分会年会。 [218] 史传、李一彤、张家伟、孙一舟和S于菲利浦。异构信息网络分析综述。IEEE知识与数据工程汇刊，29（1）：17-372016年。 [219] 史传斌、胡斌、赵欣和菲利普。异构信息网络嵌入推荐。IEEE知识与数据汇刊 [220] 马丁·西蒙诺夫斯基和尼科斯·科莫达基斯。图上卷积神经网络中的动态边条件滤波器。2017年IEEE计算机视觉和模式识别会议，第3693-3702页。 [221] 乌列尔·辛格（Uriel Singer）、伊多·盖伊（Ido Guy）和基拉·拉丁斯基（Kira Radinsky）。时间图上的节点嵌入。arXiv预打印arXiv:1903.088892019。 [222] Richard Socher、Danqi Chen、Christopher D Manning和Andrew Ng。用神经张量网络进行推理以完成知识库。神经信息研究进展 [223] 古斯塔夫·苏雷克（Gustav Sourek）、沃伊特斯·阿舍布伦纳（Vojtech Aschenbrenner）、菲利普·泽列兹尼（Filip Zelezny）、史蒂文·斯科卡特（Steven Schockaert）和昂德雷·库泽尔卡。提升的关系神经网络：有效学习潜在的关系结构·Zbl 1444.68163号 [224] 迈拉·斯皮利奥波卢（Myra Spiliopoulou）。社交网络的演变：一项调查。InSocial Network Data Analytics，第149-175页。施普林格，2011年。 [225] 彼得·斯坦格（Peter Stange）。关于奇异值分解的有效更新。帕姆，2008年8月18日至10月28日·Zbl 1398.65035号 [226] 孙一舟和韩嘉伟。挖掘异构信息网络：一种结构分析方法。Acm Sigkdd Explorations Newsletter，14（2）：20-282013年。 [227] 孙一舟、韩嘉伟、查鲁·C·阿加瓦尔和尼特斯·V·查拉。什么时候发生异构信息网络中的关系预测。InFifth ACM国际 [228] Daniel L.Sussman、Minh Tang、Donniell E.Fishkind和Carey E.Priebe。随机块模型图的一致邻接谱嵌入。《美国统计协会杂志》，107（499）：1119-11282012·Zbl 1443.62188号 [229] Charles Sutton、Andrew McCallum和Khashayar Rohanimanesh。动态条件随机场：用于标记和分割序列数据的因子化概率模型·兹比尔1222.68314 [230] Aynaz Taheri、Kevin Gimpel和Tanya Berger-Wolf。学习用递归模型表示动态图的演化。2019年世界公司会议记录 [231] 唐健、曲萌、王明哲、张明、闫军和梅巧珠。线路：大规模信息网络嵌入。第二十四届国际会议 [232] 汤磊和刘欢。通过潜在的社会维度进行关系学习。第十五届ACM SIGKDD知识发现和数据挖掘国际会议 [233] Phi Vu交易。学习使用自动编码器在图形上进行预测。2018年IEEE第五届数据科学和高级分析国际会议（DSAA），第页 [234] Volker Tresp、Crist´obal Esteban、Yinchong Yang、Stephan Baier和Denis Krompaß。记忆嵌入学习。InNIPS 2015年大规模表征学习非参数方法研讨会（扩展TR），2015年。 [235] 沃尔克·特雷普（Volker Tresp）、马云浦（Yunpu Ma）、斯蒂芬·拜尔（Stephan Baier）和杨银冲（Yinchong Yang）。为陈述性记忆嵌入学习。欧洲语义网络会议，第202-216页。施普林格，2017年。 [236] Rakshit Trivedi、Hanjun Dai、Yichen Wang和Le Song。Know-evolve：动态知识图的深度时间推理。国际机器学习会议 [237] Rakshit Trivedi、Mehrdad Farajtabar、Prasenjeet Biswal和Hongyuan Zha。Dyrep：在动态图上学习表示。国际学习会议 [238] Th´eo Trouillon、Johannes Welbl、Sebastian Riedel、Eric Gaussier和Guillaume Bouchard。简单链接预测的复杂嵌入。国际机器会议 [239] Th´eo Trouillon、Christopher R Dance、Eric Gaussier、Johannes Welbl、Sebastian Riedel和Guillaume Bouchard。通过复张量分解完成知识图。这个 [240] 盖·范登·布勒克。提升概率推理一阶知识编译的完备性。《神经信息处理系统进展》，第1386-1394页，2011年。 [241] 盖·范登·布勒克和阿德南·达维切。提升推理中二元证据的复杂性和近似性。《神经信息处理系统进展》，第2868-28762013页。 [242] 简·范·哈伦（Jan Van Haaren）、盖·范·登·布勒克（Guy Van den Broeck）、万妮斯·梅特（Wannes Meert）和杰西·戴维斯（Jesse Davis）。提升了马尔可夫逻辑网络的生成学习。机器学习，103（1）：27-552015·Zbl 1357.68187号 [243] 阿什什·瓦斯瓦尼（Ashish Vaswani）、诺姆·沙泽尔（Noam Shazeer）、尼基·帕尔玛（Niki Parmar）、雅各布·乌斯科雷特（Jakob Uszkoreit）、利昂·琼斯（Llion Jones）、艾丹·戈麦斯（Aidan N Gomez）、卢卡斯·凯泽（Lukas。注意力就是你所需要的。神经研究进展 [244] 彼得·维利·科维奇、吉勒姆·库库鲁尔、阿兰塔·卡萨诺娃、阿德里亚娜·罗梅罗、彼得罗·里奥和约舒亚·本吉奥。绘制注意力网络图。国际学习会议 [245] 王代新、崔鹏、朱文武。结构性深层网络嵌入。第二十二届ACM SIGKDD知识发现和数据挖掘国际会议，第1225-1234页。ACM，2016年。 [246] 王敏杰（Minjie Wang）和全加（Quan Ga）。深度图形库，2018年。 [247] 王全、毛振东、王斌和李过。知识图嵌入：方法和应用综述。IEEE知识与数据工程汇刊，29（12）：2724-27432017a。 [248] 王彤、何兴生、周明阳和傅忠谦。基于节点流行度的进化网络中的链路预测。科学报告，2017b。 [249] 王翔、何向南、曹一新、刘孟和蔡大胜。Kgat：推荐知识图关注网络。arXiv预印本arXiv:1905.078542019。 [250] 王晓龙和阿比纳夫·古普塔。视频作为时空区域图。2018年欧洲计算机视觉会议（ECCV），第399-417页。 [251] 王燕杰，雷纳尔·格穆拉，李慧。关于双线性模型的多关系链接预测。2018年第三十二届AAAI人工智能会议。 [252] Waloddi Weibull等人，一个具有广泛适用性的统计分布函数。应用力学杂志，18（3）：293-2971951·Zbl 0042.37903号 [253] 鲍里斯·魏斯费勒（Boris Weisfeiler）和安德烈·雷曼（Andrei A Lehman）。将图还原为标准形式的过程中产生的代数。Nauchno-Technicheskaya Informatsia，2（9）：1968年12月16日。 [254] 格雷格·韦尔奇（Greg Welch）、加里·毕晓普（Gary Bishop）等人。卡尔曼滤波器简介。1995 [255] 温建峰、李建新、毛永毅、陈世妮和张丽红。关于二元关系以外的知识库的表示和嵌入。二十五年 [256] 吴朝元（Chao-Yuan Wu）、阿穆尔·艾哈迈德（Amr Ahmed）、亚历克斯·贝特尔（Alex Beutel）、亚历山大·斯莫拉（Alexander J Smola）和何静（How Jing）。循环推荐网络。第十届ACM网络搜索和数据国际会议 [257] 吴天兴，阿里吉特·汗，高欢，程莉。高效嵌入动态知识图。arXiv预印本arXiv:1910.067082019。 [258] 于欣、谢志强和杨静。一种用于动态社区检测的自适应随机行走采样方法。专家系统与应用，58:10-192016。 [259] 熊亮、陈曦、黄子国、Jeff Schneider和Jaime G Carbonell。基于贝叶斯概率张量分解的时间协同过滤。InSIAM公司 [260] Chengjin Xu、Mojtaba Nayyeri、Fouad Alkhoury、Jens Lehmann和Hamed Shariat Yazdi。基于加性时间序列分解的时态知识图嵌入模型。 [261] 许凯乌鲁、胡卫华、莱斯科维奇和杰尔卡。图形神经网络有多强大？2019b国际学习代表大会（ICLR）。 [262] Naganand Yadati、Madhav Nimishakavi、Pratek Yadav、Anand Louis和Partha Talukdar。Hypergcn：半监督分类的超图卷积网络。arXiv预印本arXiv:1809.025892018。 [263] Pinar Yanardag和SVN Vishwanathan。一种用于鲁棒图比较的结构平滑框架。神经信息处理系统进展（NeurIPS），第2134-2142页，2015年。 [264] 杨碧珊、叶文涛、何晓东、高剑锋和李登。在知识库中嵌入用于学习和推理的实体和关系。国际会议 [265] 杨扬、尼特斯·查拉、孙益洲和贾维·哈尼。预测多关系和异构网络中的链接。2012年IEEE第12届数据挖掘国际会议，第755-764页。IEEE，2012年。 [266] 林瑶、王鲁宁、吕磐和凯瑶。动态社交网络中基于共同邻居的链接预测。《Procedia Computer Science》，第82-89页，2016年。 [267] 雷克斯·英（Rex Ying）、何瑞宁（Ruining He）、陈凯峰（Kaifeng Chen）、蓬·埃克桑巴查（Pong Eksombatchai）、威廉·汉密尔顿（William L Hamilton）和朱尔·莱斯科维奇（Jure Leskovec）。网络规模推荐系统的图卷积神经网络。在 [268] 应志涛、尤嘉轩、克里斯托弗·莫里斯、任翔、威尔·汉密尔顿和尤尔·莱斯科维奇。具有可微池的层次图表示学习。预付款 [269] 余冰、尹浩腾、朱占星。时空图卷积网络：交通预测的深度学习框架。InTwenty-Seventh国际联合会 [270] 余冰、李孟章、张继勇、朱占星。带时间图的三维图卷积网络：无空间信息的交通预测框架。arXiv预印本arXiv:1903.0092019。 [271] 余文超、程伟、查鲁·阿加瓦尔、陈海峰和王伟。动态网络中具有时空一致性的链路预测。InTwenty-Sixth国际 [272] 于文超、魏成、查鲁·C·阿加瓦尔、张凯、陈海峰和王伟。Netwalk：一种灵活的深度嵌入方法，用于动态网络中的异常检测。第二十四届ACM SIGKDD知识发现国际会议& [273] 余志勇、陈继杰、坤国、陈玉忠、徐倩。基于随机行走和种子扩展的重叠社区检测。第十二届中国会议 [274] Manzil Zaheer、Satwik Kottur、Siamak Ravanbakhsh、Barnabas Poczos、Ruslan R Salakhutdinov和Alexander J Smola。深度设置。神经信息处理系统进展（NeurIPS），第3391-3401页，2017年。 [275] 张策。Deepdive：用于自动构建知识库的数据管理系统。威斯康星大学麦迪逊分校，威斯康星州麦迪逊，2015年。 [276] 张道坤、尹杰、朱兴全和张成奇。Metagraph2vec：复杂语义路径增强的异构网络嵌入。亚太地区会议 [277] 张道坤、尹洁、朱星泉和张成琦。网络表征学习：一项调查。IEEE大数据汇刊，2018b。 [278] 张健。海量图形流算法综述。管理和挖掘图形数据，第393-420页。施普林格，2010年。 [279] 张佳妮（Jiani Zhang）、石行健（Xingjian Shi）、谢俊元（Junyuan Xie）、马浩（Hao Ma）、欧文金（Irwin King）和杨迪燕（Dit-Yan Yeung）。GaAN：用于学习大型时空图形的门控注意力网络。不确定性 [280] Ziwei Zhang、Peng Cui、Jian Pei、Xiao Wang和Wenwu Zhu。计时器：动态网络上错误绑定的svd重新启动。第三十二届AAAI人工智能会议，2018年d。 [281] 周杰、崔干渠、张正彦、程阳、刘志远和孙茂松。图形神经网络：方法与应用综述。arXiv预印本arXiv:1812.084342018a。 [282] 周乐奎、杨扬、任翔、吴飞和庄跃婷。通过建模三元闭合过程实现动态网络嵌入。第三十二届AAAI会议 [283] 贾竹、谢青和金永中。大型社交网络的混合时间序列链接预测框架。数据库和专家系统国际会议 [284] 朱林红（Linhong Zhu）、郭栋（Dong Guo）、尹俊明（Junming Yin）、格雷格·维·斯蒂格（Greg Ver Steeg）和阿拉姆·高尔斯蒂安（Aram Galstyan）。用于动态社交网络中的链接预测的可扩展时间-潜在空间推理。电气与电子工程师协会 [285] 于柱、郝丽、廖一康、王北斗、关子玉、刘海峰、邓才。接下来做什么：通过时间LSTM建模用户行为。第二十六届国际联合会 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。