×

动态图的表示学习综述。 (英语) Zbl 07255101

摘要:图形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针对静态图设计的。然而,许多应用都涉及到演化图。这给学习和推理带来了重要的挑战,因为节点、属性和边随时间而变化。在这篇综述中,我们回顾了动态图(包括动态知识图)的表示学习的最新进展。我们从编解码器的角度描述现有的模型,根据它们使用的技术对这些编码器和解码器进行分类,并分析每个类别中的方法。我们也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。

理学硕士:

68T05型 人工智能中的学习与自适应系统
PDF格式 BibTeX公司 XML 引用
全文: 阿尔十四 链接

参考文献:

[1] 查鲁·阿加瓦尔和卡提克·苏比安。进化网络分析:综述。ACM计算调查(CSUR),47(1):10,2014年。
[2] 纳哈默德艾哈迈德和陈玲。时间不确定社会网络中链路预测的一种有效算法。信息科学,331:120-1362016。
[3] 娜拉·穆罕默德·艾哈迈德、陈玲、王玉龙、李斌、李云和刘伟。时态网络中链路预测的抽样算法。信息科学,374:1-14,2016年。
[4] 赤池浩图。拟合自回归预测模型。统计数学研究所年鉴,21(1):243-2471969年。
[5] 哈桑和扎基。社交网络中的链接预测综述。《社交网络数据分析》,第243-275页。斯普林格,2011年。
[6] L'aszl'o Babai和Ludik Kucera。线性平均时间图的正则标号。第20届计算机科学基础年会(sfcs 1979),第39-46页。
[7] Dzmitry Bahdanau、Kyunghyun Cho和Yoshua Bengio。神经机器翻译联合学习对齐和翻译。arXiv预印本arXiv:1409.04732014年。
[8] 宋白,张飞虎,托尔。超图卷积与超图注意。arXiv预印本arXiv:1901.081502019年。
[9] 伊凡娜·巴拉泽维奇、卡尔·艾伦和蒂莫西·M·霍斯佩多尔斯。超网络知识图嵌入。arXiv预印本arXiv:1808.07018,2018年。
[10] 伊万娜·巴拉·泽维奇、卡尔·艾伦和蒂莫西·霍斯佩代尔斯。Tucker:知识图完备的张量分解。InICML自适应和多任务学习研讨会:
[11] 罗伯特·巴姆勒和斯蒂芬·曼特。动态单词嵌入。InICML,第380-389页,2017年。
[12] 尼古拉斯·巴斯塔斯、西奥多罗斯·塞梅尔齐迪斯、阿波斯托洛斯·阿克塞诺沃洛斯和彼得罗斯·达拉斯。evolve2vec:使用时间展开学习网络表示。国际
[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谱技术。神经信息处理系统(NeurIPS)指南,第585-5912001页。
[14] Alex Beutel,Paul Covington,Sagar Jain,Can Xu,Jia Li,Vince Gatto和Ed H Chi。潜在交叉:在递归推荐系统中利用上下文。无预警ACM
[15] 卞冉冉,高云星,阿娇·多比,安娜·迪沃利。动态异构网络中的网络嵌入与变化建模。第42届
[16] 塞马尔·卡加泰·比尔金和布吕伦特·耶纳。动态网络演化:模型,聚类,异常检测。IEEE网络,2006年。
[17] 斯蒂芬·邦纳、约翰·布伦南、伊巴德·库雷希、乔治·西奥多普洛斯、安德鲁·斯蒂芬·麦高和博古斯洛·奥巴拉。时间图偏移重构:面向时间鲁棒图表示学习。2018年IEEE国际大容量会议
[18] 安托万·博尔德斯、尼古拉斯·乌苏尼尔、阿尔贝托·加西亚·杜兰、贾森·韦斯顿和奥克萨纳·雅克年科。转换用于建模多关系数据的嵌入。意外
[19] Karsten M Borgwardt,Cheng Soon Ong,Stefan Sch–onauer,SVN Vishwanathan,Alex J Smola和Hans-Peter Kriegel。基于图核的蛋白质功能预测
[20] 伊丽莎白·博希、詹妮弗·劳滕施莱格、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。Harvard Dataverse,2015年12月。
[21] 乔治·艾普·博克斯、格维林·M·詹金斯、格雷戈里·C·雷塞尔和格雷塔·M·Ljung。时间序列分析:预测与控制。John Wiley&Sons,2015年。
[22] 马修·布兰德。薄奇异值分解的快速低阶修正。线性代数及其应用,415(1):20-30,2006。
[23] 威廉·布伦德尔和西尼莎·托多罗维奇。学习人类活动的时空图。第三届国际计算机视觉会议(ICCV),778-785页。IEEE,2011。
[24] 迈克尔•M•布朗斯坦、琼•布鲁纳、雅恩•莱昆、亚瑟•斯兰和皮埃尔•范德赫恩斯特。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] 洪海培、周恩惠和塞巴斯蒂安·里德尔。图模型的自同构群与提升变分推理。关于
[26] J、 邦奇和尼尔森。更新奇异值分解。马蒂克,31:111-1291978年。
[27] 蔡鸿云,郑文文,陈川昌。图嵌入的综合综述:问题、技术和应用。IEEE事务处理
[28] 蔡锦怡,马丁费勒,尼尔伊门曼。图辨识变量个数的一个最优下界。组合,12(4):389-4101992年。
[29] 曹少生,魏璐,徐琼凯。用于学习图形表示的深层神经网络。第三届AAAI人工智能大会,2016年。
[30] 安德鲁·卡尔森、贾斯汀·贝特里奇、布莱恩·基希尔、伯尔·塞尔斯、埃斯特瓦姆·赫鲁什卡和汤姆·米切尔。建立一个永无止境的语言学习体系。InTwenty公司
[31] 乔恩·克劳克罗夫特、克里斯托夫·迪奥、理查德·加斯和詹姆斯·斯科特。人类移动性对机会主义转发算法的影响。IEEE Transac公司
[32] 迪帕扬·查克拉巴蒂、拉维·库马尔和安德鲁·汤姆金斯。进化聚类。在第十二届ACM-SIGKDD国际知识发现与数据会议上
[33] 本杰明·保罗·张伯伦、詹姆斯·克劳夫和马克·彼得·戴森罗斯。双曲空间中图的神经嵌入。arXiv预印本arXiv:1705.103592017年。
[34] 克里斯·查特菲尔德和穆罕默德·亚尔。霍尔特冬季预报: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] 梅利萨切夫武当契科尔和海纳·斯图肯施密特。基于规则的时间推理。第33届国际逻辑程序设计会议(ICLP 2017)技术交流。Schloss Dagstuhl Leibniz Zentrum fuer Informatik,2018年。
[36] 梅利萨切夫武当契科尔,朱塞佩·皮罗,乔格·肖恩菲什和海纳·斯图肯施密特。知识图中的不确定性与时间的结合。第三届首届AAAI大会
[37] 陈晨和航航通。动态图的特征函数快速跟踪。工业与应用数学协会出版物,第559-567页,2015年。
[38] 陈金银,徐宣恒,吴阳阳,郑海滨。GC-LSTM:用于动态链路预测的图形卷积嵌入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、齐轩。E-LSTM-D:动态网络链路预测的深度学习框架。
[40] 陈田琦,尤利娅·鲁巴诺娃,杰西·贝当古,大卫·K·杜文诺。神经常微分方程。神经信息处理系统(NeurIPS)指南,第6572-65832018b页。
[41] 陈天琪,伊恩·古德费罗和乔纳森·什伦斯。Net2net:通过知识转移加速学习。arXiv预印本arXiv:1511.056412015a。
[42] 陈天琪、李木莉、李玉田、林敏、王乃艳、王敏杰、肖天军、徐冰、张志远、张峥。Mxnet:一个面向异构分布式系统的灵活高效的机器学习库。arXiv预印本arXiv:1512.012742015b。
[43] 陈婷和孙逸洲。基于任务引导和路径扩充的异构网络嵌入进行作者识别。第十届ACM国际展
[44] 陈正道,李丽莎,琼布鲁娜。基于线图神经网络的有监督社区检测。国际学习表征大会(ICLR),2009年b。
[45] 陈正道、索莱达·维拉尔、雷晨和琼·布鲁娜。图同构检验与GNNs函数逼近的等价性。神经方面的无意识
[46] 云池、宋晓丹、周登勇、日野和曾丽丽。关于进化谱聚类。ACM数据知识发现事务(TKDD),3
[47] 赵京铉、巴特·范梅里恩博尔、卡格拉尔·古尔切赫、德米特里·巴达瑙、费蒂·布加雷斯、霍尔格·施文克和约舒亚·本吉奥。使用RNN编解码器学习短语表示的统计机器翻译。arXiv预印本arXiv:1406.10782014年。
[48] 蔡德华,穆罕默德·塔哈·巴哈多里,安迪·舒尔茨,沃尔特·F·斯图尔特和孙继蒙。AI医生:通过递归神经网络预测临床事件。在机器上
[49] 詹姆斯S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。关于数理统计和概率的Insinsth Berkeley研讨会,第3卷,401-4481972页。
[51] 约瑟夫·克劳福德和蒂亚娜·米伦科维奇。Cluenet:基于拓扑相似性而不是稠密性对时态网络进行聚类。公共科学图书馆一号,13(5):e01959932018年。
[52] 崔鹏,小王,裴健,朱文武。网络嵌入研究综述。IEEE知识与数据工程事务,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·普鲁德安西奥。基于时间序列的链路预测。国际神经网络联席会议(IJCNN),第1-7页,IEEE,2012。
[54] 戴汉俊,王一晨,崔维迪和宋乐。深度协同进化网络:嵌入用户和项目特征进行推荐。arXiv预印本arXiv:1609.036752016。
[55] 戴汉俊,佐尼莎·科扎列娃,戴博,艾利克斯·斯莫拉,乐松。学习图上迭代算法的稳态。国际机器学习会议
[56] 拉贾尔希·达斯、谢扎德·杜利亚瓦拉、曼齐尔·扎希尔、卢克·维尔尼斯、伊尚·杜鲁加卡尔、阿克夏·克里希纳穆尔蒂、亚历克斯·斯莫拉和安德鲁·麦卡伦。出去走走,然后得出答案:使用强化学习在知识库中对路径进行推理。
[57] 拉贾尔希·达斯(Rajarshi Das)、岑素伦·蒙克达莱(Tsendsuren Munkhdalai)、袁兴迪(Xingdi Yuan)、亚当·特里什勒(Adam Trischler)和安德鲁·麦卡伦(Andrew McCallum)。利用机器阅读理解建立动态知识图。
[58] Shib Sankar Dasgupta、Swayambu 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] 钱德勒·戴维斯和W·M·卡汉。本征向量的扰动旋转。iii.暹罗数值分析杂志,7:1-461970。
[60] 吕克·德雷特,安吉丽卡·金米格和汉努·托伊沃宁。Problog:概率prolog及其在链路发现中的应用。第二十届人工智能国际联席会议
[61] Sam De Winter,Tim Decuypere,Sandra Mitrovi'c,Bart Baesens和Jochen De Weerdt。将动态网络的时间特性与node2vec相结合,实现更有效的动态链路预测。2018年IEEE/ACM社会网络分析与挖掘进展国际会议(ASONAM),1234-1241页。IEEE,2018年。
[62] 米夏埃尔·德费拉尔、泽维尔·布列松和皮埃尔·范德赫恩斯特。图的卷积神经网络快速局部谱滤波。神经信息中的无意识
[63] 莫斯塔法·德赫尼、斯蒂芬·古乌斯、奥利尔·维尼亚尔斯、雅各布·乌兹科雷特和卢卡斯·凯泽。通用变压器。arXiv预印本arXiv:1807.03819,2018年。
[64] 蒂姆·德特默斯、帕斯奎尔·米内维尼、庞图斯·斯坦托普和塞巴斯蒂安·里德尔。卷积二维知识图嵌入。2018年第二届AAAI人工智能大会。
〔65〕 保罗·多布森和安德鲁·多伊格。在没有排列的情况下区分酶的结构和非酶。分子生物学杂志,330(4):771-7832003。
[66] 辛东、叶夫根尼·加布里洛维奇、格雷米·海茨、威尔科·霍恩、倪老、凯文·墨菲、托马斯·斯特罗曼、孙少华、张炜。知识库:一种基于web的概率知识融合方法。第二十届ACM SIGGDD国际会议
[67] Yuxiao Dong,Nitesh V Chawla和Ananthram Swami。metapath2vec:异构网络的可伸缩表示学习。第23届ACM SIGKDD的进展
[68] 杜伦,王芸,宋国杰,陆志聪,王俊山。动态网络嵌入:一种扩展的基于跳图的网络嵌入方法。第二十七届国际人工智能联席会议(IJCAI),第2086-2092页,2018年。
〔69〕 南都、戴汉俊、崔维迪、乌特卡什·乌帕德哈伊、曼努埃尔·戈麦斯·罗德里格斯和乐松。循环标记时点过程:将事件历史嵌入向量。第二届ACM-SIGKDD国际知识发现与会议
[70] Daniel M Dunlavy,Tamara G Kolda和Evrim Acar。使用矩阵和张量因子分解的时间链路预测。从数据中发现知识的ACM事务
[71] David K Duvenaud、Dougal Maclaurin、Jorge Iparraguirre、Rafael Bombarell、Timothy Hirzel、Al'an Aspuru Guzik和Ryan P Adams。用于学习分子指纹图的卷积网络。神经信息处理系统中的注意事项
[72] 马克西米利安·迪拉、艾里斯·米利亚拉基和马丁·西奥博尔德。一种用于信息抽取的时态概率数据库模型。超大数据库(VLDB),6(14):1810-18212013年。
[73] 卡尔·埃卡特和盖尔·杨。一个矩阵被另一个低阶矩阵逼近。《心理医生》,1(211),1936年。
[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·F·恩格尔和杰弗里·R·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1127-11621998年。
[76] 克里斯特·欧巴尔·埃斯特班、沃尔克·特雷斯普、杨殷冲、斯蒂芬·拜尔和丹尼斯·克罗姆帕。预测事件图和知识图的协同进化。2016年第19届国际
[77] Bahare Fatemi,Siamak Ravanbakhsh和David Poole。利用背景分类信息改进的知识图嵌入。AAAI会议进展
[78] 巴哈尔·法特米、佩鲁兹·塔斯拉基安、大卫·巴斯克斯和大卫·普尔。知识超图:超越二元关系的预测。arXiv预印本arXiv:1906.001372019b。
[79] 冯富力,何湘南,王翔,罗成,刘益群,蔡达生。股票预测的时态关系排序。arXiv预印本arXiv:1809.094412018a。
[80] 冯逸凡、游浩轩、张子钊、季荣融、岳高。超图神经网络。arXiv预印本arXiv:1809.094012018b。
[81] Matthias Fey和Jan E.Lenssen。用PyTorch几何快速学习图形表示。更正,abs/1903.02428,2019年。
[82] Matthias Fey,Jan Eric Lenssen,Frank Weichert和Heinrich M¨uller。Splinecnn:使用连续b样条核的快速几何深度学习。国际计算机会议
[83] Dov M Gabbay,Christopher John Hogger和John Alan Robinson。人工智能逻辑与逻辑程序设计手册:第5卷:逻辑程序设计。克拉伦登
[84] Alberto Garc´a-Dur'an、Sebastijan Dumanˇc和Mathias Niepert。学习序列编码器的时间知识图完成。arXiv预印本arXiv:1809.032022018年。
[85] 约翰内斯·盖尔克、保罗·金斯帕格和乔恩·克莱因伯格。2003年kdd杯概述。ACM SIGKDD探索通讯,5(2):149-1512003。
[86] 帕拉比·戈什、易瑶、拉里S戴维斯和阿杰·迪瓦卡兰。用于动作分割的叠层时空图卷积网络。arXiv预印本arXiv:1811.105752018年。
[87] 贾斯汀·吉尔默、塞缪尔·S·肖恩霍尔兹、帕特里克·F·莱利、奥利尔·维尼尔斯和乔治·E·达尔。量子化学的神经信息传递。国际机械会议
[88] 里沙布·歌尔、赛义德·梅赫兰·卡泽米、马库斯·布鲁贝克和帕斯卡·波帕特。时间知识图完成的历时嵌入。第四届AAAI大会
[89] 帕拉什·戈亚尔(Palash Goyal)、尼汀·卡姆拉(Nitin Kamra)、何欣然(Xinran He)和刘燕(Yan Liu)。动态图的深度嵌入方法。InIJCAI代表性学习国际研讨会
[90] 戈亚尔宫(Palash Goyal)、苏吉特·罗卡·切特里(Sujit Rokka Chhetri)和阿奎米德·卡内多(Arquimedes Canedo)。dyngraph2vec:使用动态图表示学习捕捉网络动态。arXiv预印本
[91] Aditya Grover和Jure Leskovec。node2vec:网络的可扩展特征学习。在Twnety第二届ACM-SIGKDD国际知识发现大会上
[92] Ekta Gujral、Ravdep Pasricha和Evangelos E Papalexakis。SamBaTen:基于抽样的批量增量张量分解。国际数据会议
[93] Manish Gupta、Charu C Aggarwal、Jiawei Han和Yizhou Sun。书目网络的演化聚类与分析。2011年社会网络分析与挖掘进展国际会议,63-70页。IEEE,2011。
[94] 威尔·汉密尔顿、英志涛和朱尔·莱斯科维克。大型图的归纳表示学习。神经信息处理系统(NeurIPS)指南,第1024-10342017页。
[95] 威尔·汉密尔顿、帕亚尔·巴贾杰、马林卡·齐特尼克、丹·朱拉夫斯基和朱尔·莱斯科维克。在知识图上嵌入逻辑查询。神经信息处理系统(NeurIPS)指南,第2026-20372018页。
[96] 威廉L汉密尔顿,朱尔·莱斯科维克和丹·朱拉夫斯基。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·L·汉密尔顿、雷克斯·英和朱尔·莱斯科维克。图的表示学习:方法与应用。IEEE数据工程公报,40(3):52-742017b。
[98] 麦克斯韦·哈珀和约瑟夫·康斯坦。电影数据集:历史与背景。《交互式智能系统(TIIS)ACM交易》,5(4):19,2016年。
[99] Richard A.Harshman、Peter Ladefoed、H.Graf von Reichenbach、Robert I.Jennrich、Dale Terbeek、Lee Cooper、Andrew L.Comrey、Peter M.Bentler、Jeanne Yamane和Diane Vaughan。parafac程序的基础:模型和条件
[100] 艾伦·G·霍克斯。一些自激和互激点过程的谱。生物计量学,58(1):83-901971。
[101] Katsuhiko Hayashi和Masashi Shimbo。全息嵌入与复嵌入在链路预测中的等价性。arXiv预印本arXiv:1702.05563,2017年。
[102] 卡尔·莫里茨·赫尔曼、托马斯·科西斯基、爱德华·格雷芬斯泰特、拉丝·埃斯佩霍尔特、威尔·凯、穆斯塔法·苏莱曼和菲尔·布伦索姆。教机器阅读和理解。
[103] 赫伯特·W·赫瑟科特。传染病的数学。暹罗评论,42(4):599-6532000年。
[104] Geoffrey E Hinton和Ruslan R Salakhutdinov。用神经网络降维。科学,313(5786):504-5072006年。
[105] 久野龙海。动态链路预测的半监督图嵌入方法。国际复杂网络研讨会,第109-121页。斯普林格,2018年。
[106] 弗兰克·希区柯克。张量表示张量或多元体作为乘积和的表达式。数学与物理杂志,6(1-4):164-1891927。
[107号] 塞普·霍克雷特和J¨urgen Schmidhuber。长短时记忆。神经计算,9(8):1735-17801997。
[108] 约翰内斯·霍法特、费边·M·苏恰内克、克劳斯·小檗碱和格哈德·魏库姆。Yago2:维基百科的时空增强知识库。《人工智能》,194:28-612013。
[109号] 郝虎和郭俊琪。状态频率记忆递归神经网络。国际机器学习会议(ICML),1568-1577页,2017年。
[110] 黄宏、唐洁、刘璐、罗嘉德、傅晓明。社会网络的三元封闭模式分析与预测。IEEE知识与数据汇刊
[111] 黄赞恩,林俊杰。时间序列链路预测问题及其在通信监视中的应用。通知计算杂志,21(2):286-3032009。
[112] 黄志恒,徐炜,俞凯。用于序列标记的双向LSTM-CRF模型。arXiv预印本arXiv:1508.019912015b。
[113] 雅各布·胡贝尔、克里斯蒂安·梅利克和海纳·斯图肯施密特。应用马尔可夫逻辑调试概率时态知识库。InFourth自动化研讨会
[114] 纳赫拉·穆罕默德·艾哈迈德·易卜拉欣和陈玲。动态社会网络中整合不同类型信息的链接预测。应用智能,42(4):738-7502015。
[115] Lorenzo Isella、Juliette Stehl'e、Alain Barrat、Ciro Cattuto、Jean-Fran¸cois Pinton和Wouter Van den Broeck。人群中有什么?面对面行为网络分析
[116] 瓦莱丽·伊沙姆和马克·韦斯科特。一种自校正点过程。随机过程及其应用,8(3):335-3471979。
[117] 阿什什·贾因、阿米尔·扎米尔、西尔维奥·萨瓦雷斯和阿什图什·萨克森那。结构RNN:时空图的深度学习。计算机视觉与模式国际会议
[118] Zhen Jia,Abdalghani Abujabal,Rishiraj Saha Roy,Jannik Str–otgen和Gerhard Weikum。龙舌兰酒:基于知识库的时间问题解答。第27届ACM
[119] 蒋廷松、刘天宇、陶戈、雷沙、张宝宝、李素健、隋志芳。面向时间感知知识图的完成。国际第六国际
[120] 吴正珍,张长林,佩德罗·谢克利,向仁。时态知识图推理的递归事件网络。arXiv预印本arXiv:1904.05530,2019年。
〔121〕 马吕斯·卡明斯卡斯和德里克·布里奇。多样性、偶然性、新颖性和覆盖率:推荐系统超精度目标的调查与实证分析
[122号] 赛义德·梅赫兰·卡泽米。描述和学习不确定性下的关系和性质。2018年,不列颠哥伦比亚大学博士论文。
[123号] Seyed Mehran Kazemi和David Poole。为统计关系模型桥接加权规则和图随机游动。机器人与人工智能前沿,5:8,2018a。
[124] Seyed Mehran Kazemi和David Poole。关系学习的深层神经模型。第二届AAAI人工智能大会,2018b。
[125] Seyed Mehran Kazemi和David Poole。知识图中链接预测的简单嵌入。神经信息处理系统(NeurIPS)指南,4289-4300页,2018c。
[126] Seyed Mehran Kazemi,David Buchman,Kristian Kersting,Sriraam Natarajan和David Poole。关系逻辑回归。第十四届国际会议
[127号] 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。神经信息中的无意识
[128] Seyed Mehran Kazemi、Rishab Goel、Sepher Eghbali、Janahan Ramanan、Jaspreet 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年。
[129] 尼古拉斯·克里文和加布里埃尔·佩尔。通用不变和等变图神经网络。神经信息处理系统(NeurIPS)的建议,2019年。
[130] 克里斯蒂安·克尔斯廷、巴巴克·艾哈迈迪和斯里拉姆·纳塔拉扬。计算信仰传播。第二十五届人工智能不确定性会议进展
[131号] 金敏洙和韩佳薇。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年。
[132] 安吉丽卡·金米格、斯蒂芬·H·巴赫、马蒂亚斯·布罗切勒、伯特·黄和莉丝·格图尔。概率软逻辑简介。InNeurIPS概率研讨会
[133] 约翰·弗兰克·查尔斯·金曼。波依松过程。生物统计学百科全书,2005年6月。
[134号] 托马斯·N·基普夫和马克斯·韦林。图卷积网络半监督分类。国际学习代表大会(ICLR),2017年。
[135] 布莱恩·克里姆特和杨一鸣。介绍安然语料库。因塞斯,2004年。
[136] Daphne Koller,Nir Friedman,Saˇso Dˇzeroski,Charles Sutton,Andrew McCallum,Avi Pfeffer,Pieter Abbeel,Ming Fai Wong,David Heckerman,Chris Meek等。简介
[137] 雅各布“将军”和朱加尔·卡利塔。使用注意神经技术的抽象摘要。arXiv预印本arXiv:1810.088382018年。
[138] Srijan Kumar,William L Hamilton,Jure Leskovec和Dan Jurafsky。网络上的社区互动和冲突。在万维网上举行的万维网会议,第933-943页。国际万维网会议指导委员会,2018a。
[139号] 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公司。科布伦茨网络收藏。在第二届万维网国际会议上,WWW'13同伴,1343-1350页,纽约,
[141] 提摩太·拉克鲁瓦、尼古拉斯·乌斯尼耶和纪尧姆·奥博辛斯基。知识库完备的正则张量分解。国际机器学习会议
[142号] 倪老和威廉W科恩。使用路径约束随机游动组合的关系检索。机器学习,81(1):53-672010。
[143] 倪劳,汤姆·米切尔和威廉·W·科恩。大规模知识库中的随机游走推理与学习。自然语言处理中的经验方法(EMNLP),529-539页。计算语言学协会,2011。
[144] 朱利安·勒布雷和梅利萨切夫武当契科尔。知识图中有效时间的推导。2018年网络会议的不兼容2018年网络会议,1771-1776页。国际万维网会议指导委员会,2018年。
[145] 卡列夫·利塔鲁和菲利普·施罗德。Gdelt:1979-2012年全球事件、地点和音调数据。InISA年度会议,第2卷,第1-49页。Citeseer,2013年。
[146号] Adam Lerer,Ledell Wu,Jiajun Shen,Timothee Lacroix,Luca Wehrstedt,Abhijit Bose和Alex Peysakhovich。大比例尺图形嵌入系统。arXiv预印本arXiv:1903.122872019年。
[147] Jure Leskovec,Jon Kleinberg和Christos Faloutsos。随时间变化的图形:致密化定律,收缩直径和可能的解释。INLEVENTH ACM SIGKDD国际
[148] 皮埃尔·大卫·勒图诺、穆图·巴斯卡兰、汤姆·亨雷蒂、詹姆斯·埃兹克和理查德·莱辛。计算效率高的cp张量分解更新框架,用于流数据中新兴组件的发现。2018年IEEE高性能极限计算
[149号] 罗恩·列维、费德里科·蒙蒂、泽维尔·布列松和迈克尔·M·布朗斯坦。Cayleynets:带复有理谱滤波器的图卷积神经网络。IEEE事务处理
[150] 基思·莱文、法博德·鲁斯塔·霍拉萨尼、迈克尔·W·马奥尼和凯里·E·普里比。图邻接谱嵌入的样本外扩展。arXiv预印本arXiv:1802.063072018年。
[151] 李朝龙,崔真珍,郑文明,徐春燕,杨健。时空图卷积用于基于骨架的动作识别。第二届AAAI大会
[152] 李俊东,哈斯丹妮,夏虎,唐吉良,张怡,刘欢。动态环境下学习的属性网络嵌入。信息不一致
[153] 李亚光,俞罗丝,沙哈比,刘彦。扩散卷积递归神经网络:数据驱动的交通预测。arXiv预印本arXiv:1707.019262017年b。
[154] 杨莉,南都,萨米·本吉奥。神经事件序列预测的时变表示法。arXiv预印本arXiv:1708.000652017c。
[155] 李玉佳,丹尼尔·塔洛,马克·布罗克施米特,理查德·泽梅尔。门控图序列神经网络。arXiv预印本arXiv:1511.054932015年。
[156] 廖仁杰,赵志珍,拉奎尔·乌尔塔松,理查德·S·泽梅尔。Lanczosnet:多尺度深图卷积网络。arXiv预印本arXiv:1901.01484,2019年。
[157] 大卫·利本·诺威尔和乔恩·克莱因伯格。社交网络的链路预测问题。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,朱璇。知识图生成的学习实体和关系嵌入。第二十九届AAAI会议
[159] 刘汉孝,吴月欣,杨一鸣。多关系嵌入的类比推理。国际机器学习会议(ICML),第2168-2178页。org,2017年。
[160] 刘曦,谢平春,达菲,陈睿,谢慕和,文喜道。通过局部动作实时嵌入流图。2019年不兼容诉讼
[161] 马建新,崔鹏,朱文武。动态网络中样本外节点的嵌入学习。第二届AAAI人工智能大会,2018a。
[162] 姚妈、郭子怡、任兆春、赵立群、唐吉良、尹大伟。流图神经网络。arXiv预印本arXiv:1810.10627,2018b。
[163] 马云普,沃尔克·特雷斯普和艾瑞克·达克斯伯格。情节知识图的嵌入模型。网络语义学杂志,2018c。
[164] Anmol Madan,Manuel Cebrian,Sai Moturu,Katayoun Farrahi等人,感知社区的“健康状态”。IEEE普适计算,11(4):36-452012。
[165] Sedigheh Mahdavi、Shima Khoshraftar和Aijun An。dynnode2vec:可伸缩的动态网络嵌入。2018年IEEE国际大数据会议(Big Data),第3762-3765页。IEEE,2018年。
[166号] 弗朗哥·马内西、亚历山德罗·罗扎和马里奥·曼佐。动态图卷积网络。arXiv预印本arXiv:1704.061992017年。
[167] 哈里·马科维茨。投资组合选择。《金融杂志》,7(1):77-911952年。
[168号] 哈盖·马龙、伊桑·费塔亚、尼姆罗德·西格尔和亚龙·利普曼。关于不变网络的普适性。InICML,2019年。
[169] 梅红媛和贾森•M•艾斯纳。神经霍克斯过程:一个神经自我调节的多变量点过程。神经信息处理系统中的注意事项
[170] Gr´egoire Mesnil,Yann Dauphin,Kaishang Yao,Yoshua Bengio,Li Deng,Dilek Hakkani Tur,Xiao Dong Heck,Larry Heck,Gokhan Tur,Dong Yu等,利用递归神经网络进行口语理解中的空缺填充。IEEE/ACM音频、语音和语言处理事务,23(3):530-5392015。
[171] Tom'aˇs Mikolov,Martin Karafi'at,Luk'aˇaˉs Burget,JanˇCernock'y和Sanjeev Khudanpur。基于递归神经网络的语言模型。年会
[172] 托马斯·米科洛夫、伊利亚·萨茨克弗、陈凯、格雷格·科拉多和杰夫·迪恩。词和短语的分布式表示及其组成。神经方面的无意识
[173] 阿明·米拉尼·法德、易卜拉欣·巴格里和克·王。动态异构信息网络中的关系预测。欧洲信息检索会议,19-34页。斯普林格,2019年。
[174] Sudatta Mohanty和Alexey Pozdnukhov。动态宏观交通拥挤预测的CNN+LSTM框架。国际矿业研讨会
[175] Behnaz Moradabadi和Mohammad Reza Meybodi。一种新的时间序列链路预测方法:学习自动机方法。Physica A,2017年。
[176] 克里斯托弗·莫里斯、马丁·里泽特、马蒂亚斯·费伊、威廉·L·汉密尔顿、扬·埃里克·伦森、高拉夫·拉坦和马丁·格罗赫。Weisfeiler和leman go神经网络:高阶图神经网络。第三届AAAI人工智能大会,2019年。
[177] 凯文·帕特里克·墨菲和斯图尔特·罗素。动态贝叶斯网络:表示、推理和学习。2002
[178] Apurva Narayan和Peter Hon'Roe。使用深层神经网络学习图动力学。IFAC PapersOnLine,51(2):433-4382018年。
[179] Deepak Nathani、Jatin Chauhan、Charu Sharma和Manohar Kaul。基于学习注意的知识图关系预测嵌入。arXiv预印本
[180度] 丹尼尔·尼尔、迈克尔·菲弗和刘士奇。阶段性LSTM:加速长序列或基于事件序列的循环网络训练。神经信息中的无意识
[181号] Dat Quoc Nguyen、Kairit Sirts、Lizhen Qu和Mark Johnson。strase:一种新的知识库实体和关系嵌入模型。InNAACL HLT,2016年。
[182号] 詹赫阮,约翰博阿斯李,瑞安A罗西,奈斯琳K艾哈迈德,恩尼·柯和金成初。动态网络嵌入:从随机游动到时间随机游动。2018年IEEE国际大数据会议(大数据),第1085-1092页。IEEE,2018a。
[183] 蒋宏阮,约翰博阿斯李,瑞安A罗西,奈斯琳K艾哈迈德,恩尼耶柯,和金成哲。连续时间动态网络嵌入。不相容
[184] 马克西米利安·尼克尔、沃尔克·特雷斯和汉斯·彼得·克里格尔。多关系数据集体学习的三向模型。国际机器学习会议
[185] 马克西米利安·尼克尔、凯文·墨菲、沃尔克·特雷普和叶夫根尼·加布里洛维奇。知识图的关系机器学习综述。IEEE,104(1):11-332016a。
[186] 马克西米利安镍业,洛伦佐·罗萨斯科和托马索·波吉奥。知识图形的全息嵌入。第三届AAAI人工智能会议,2016年b。
[187] 马蒂亚斯·尼珀特、穆罕默德·艾哈迈德和康斯坦丁·库茨科夫。学习图的卷积神经网络。国际机器学习会议(ICML),2014-2023页,2016年。
[188] T、 Opsahl公司。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、张子伟、朱文武。非对称传递性保持图嵌入。第二次ACM-SIGKDD对知识的压缩
[190号] 苏普里娅·潘德瑞、希曼吉·米塔尔、曼尼什·古普塔和维尼思·N·巴拉苏布拉曼尼亚。Stwalk:学习时序图中的轨迹表示。英纳姆印度联合国际
[191] 蒂瓦达尔·帕帕、亨利·考茨和丹尼尔·斯特凡科维奇。切片归一化动态马尔可夫逻辑网络。神经信息处理系统(NeurIPS)指南,第1907-19152012页。
[192号] 阿尔多·帕雷亚、贾科莫·多梅尼科尼、陈洁、马腾飞、铃村丰太郎、冈崎弘、蒂姆·卡勒和查尔斯·E·莱瑟森。Evolvegcn:动态图的演化图卷积网络。arXiv预印本arXiv:1902.101912019年。
[193] Adam Paszke、Sam Gross、Soumith Chintala、Gregory Chanan、Edward Yang、Zachary DeVito、Zeming Lin、Alban Desmaison、Luca Antiga和Adam Lerer。Pythorch中的自动微分。InNeurIPS 2017 Autodiff研讨会:梯度的未来
[194号] 裴玉龙,张建鹏,弗莱彻,米可拉·佩切尼斯基。动态社会网络中的节点分类。AALTD会议记录,第54页,2016年。
[195] 杰弗里·彭宁顿、理查德·索彻和克里斯托弗·曼宁。glow:单词表示的全局向量。自然语言处理中的经验方法(EMNLP),第1532-15432014页。
[196] 布莱恩·佩罗齐,拉米·阿尔·费奥和史蒂芬·斯基纳。Deepwalk:在线学习社交表征。第二十届ACM国际知识大会
[197] 布莱恩·佩罗齐、维韦克·库尔卡尼和史蒂文·斯基纳。Walklets:用于可解释网络分类的多尺度图嵌入。arXiv预印本arXiv:1605.021152016年。
[198] 娜塔莎·普拉·祖尔吉。基于graphlet度分布的生物网络比较。生物信息学,23(2):e177-E1832007。
[199] 娜塔·萨·普瑞·祖尔吉、德里克·G·科内尔和伊戈尔·法里西卡。建模交互体:无标度还是几何体?生物信息学,20(18):3508-3515,2004年。
[200] 斯蒂芬·拉班瑟、奥列克桑德尔·施丘尔和斯蒂芬·格翁内曼。张量分解及其在机器学习中的应用。arXiv预印本arXiv:1711.107812017年。
[201] 劳伦斯R拉宾和黄碧娟。隐马尔可夫模型简介。ieee assp杂志,3(1):4-161986年。
[202] 吕克·德雷埃特、克里斯蒂安·克斯汀、斯里拉姆·纳塔拉扬和大卫·普尔。统计关系人工智能:逻辑,概率和计算。人工合成讲座
[203] 马哈茂德·拉赫曼和穆罕默德·阿尔·哈桑。动态网络中的链路预测。机器学习与知识发现欧洲会议
[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。
[205] 佩塔·里斯托斯基和海科·保海姆。Rdf2vec:用于数据挖掘的Rdf图嵌入。国际语义网络会议,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的网络数据存储库。2015年第二十九届AAAI人工智能大会http://networkrepository.com。
[207] 亚当·萨迪莱克和亨利·考兹。从gps数据中识别多智能体活动。在2010年第二十四届AAAI人工智能会议上。
[208号] 胡曼·佩罗·萨贾德、安德鲁·多赫蒂和尤里·泰谢茨基。动态图的随机游动有效表示学习。arXiv预印本arXiv:1901.01346,2019年。
[209] Aravind Sankar,Yanhong Wu,Liang Gou,Wei Zhang和Hao Yang。基于自注意网络的动态图表示学习。arXiv预印本arXiv:1812.09430,2018年。
[210] 亚当·桑托罗、大卫·拉波索、大卫·G·巴雷特、马特乌斯·马林诺夫斯基、拉兹万·帕斯卡努、彼得·巴塔格里亚和蒂莫西·利利克拉普。一个用于关系推理的简单神经网络模块。神经信息处理系统(NeurIPS)指南,第4967-4976页,2017年。
[211] Purnamrita Sarkar、Sajid M Siddiqi和Geogrey J Gordon。动态嵌入共现数据的潜在空间方法。自然情报与统计,第420-4272007页。
[212] 佐藤小雅,冈崎美子,巴拉特和卡图托。戴恩:动态感知节点嵌入时间网络,2019年。
[213] 迈克尔·施利希特克鲁尔、托马斯·基普夫、彼得·布洛姆、里安·范登伯格、伊万·蒂托夫和马克斯·韦林。用图卷积网络建模关系数据。欧洲语义网络会议,593-607页。斯普林格,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 Defferard,Pierre Vandergheynst和Xavier Bresson。图卷积递归网络结构序列建模。国际会议
[216] 乌曼·沙兰和詹妮弗·内维尔。用于进化域预测的时态关系分类器。2008年第八届IEEE数据挖掘国际会议,第540-549页。
[217] 彼得·肖、雅各布·乌斯科雷特和阿希什·瓦斯瓦尼。自我注意与相对位置表征。计算语言学协会北美分会年会,2018年。
[218] 史传石,李伊彤,张佳伟,孙逸洲,S.Yu Philip。异构信息网络分析综述。IEEE知识与数据工程学报,29(1):17-372016。
[219] 史传石,胡斌斌,赵文欣,S于菲利浦。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缘条件滤波器。国际计算机视觉与模式识别会议,第3693-3702页,2017年。
[221] 乌里尔·辛格、伊多·盖伊和基拉·拉丁斯基。时间图上的节点嵌入。arXiv预印本arXiv:1903.08889,2019年。
[222号] 理查德·索切尔、陈丹琪、克里斯托弗·曼宁和安德鲁·吴。用神经张量网络推理完成知识库。神经信息中的无意识
[223] 古斯塔夫·苏雷克、沃伊泰赫·阿斯琴布伦纳、菲利普·泽莱兹尼、史蒂文·斯科卡尔特和翁德雷吉·库泽尔卡。提升关系神经网络:潜在关系结构的有效学习。
[224] 玛拉·斯皮利奥波卢。社会网络的进化:一项调查。《社交网络数据分析》,149-175页。斯普林格,2011年。
[225] 彼得·斯坦奇。关于奇异值分解的有效更新。帕姆,8:10827-10828,2008年。
[226] 孙逸洲和韩佳薇。异构信息网络挖掘:一种结构分析方法。Acm Sigkdd探索通讯,14(2):20-28,2013年。
[227号] 孙益洲,韩佳伟,阿加瓦尔,尼特什诉查拉。什么时候会发生异构信息网络中的关系预测。英菲特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。
[229] 查尔斯·萨顿、安德鲁·麦卡伦和哈沙亚尔·罗哈尼曼什。动态条件随机场:用于标记和分割序列数据的分解概率模型。
[230] 艾纳兹·塔赫里、凯文·吉佩尔和塔尼娅·伯杰·沃尔夫。学习用递归模型表示动态图的演化。2019年世界不兼容会议记录
[231] 唐健、曲萌、王明哲、张明章、严军、梅巧珠。线路:大型信息网络嵌入。第二十四届国际会议
[232] 唐磊和刘欢。潜在社会维度的关系学习。知识发现与数据挖掘国际会议
[233] Phi Vu Tran公司。学习用自动编码器对图做出预测。2018年IEEE第五届数据科学与高级分析国际会议(DSAA),第页
[234] Volker Tresp、Crist'obal Esteban、Yinchong Yang、Stephan Baier和Denis Krompaß。学习与记忆嵌入。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·特瑞普、马云普、斯蒂芬·拜尔、杨殷冲。为陈述性记忆嵌入学习。欧洲语义网络会议,第202-216页。斯普林格,2017年。
[236] 拉克希特·特里维迪、戴汉俊、王一晨、乐松。知识进化:动态知识图的深层时间推理。国际机器学习会议
[237] 拉克希特·特里维迪、梅尔达德·法拉贾巴尔、普拉森吉特·比斯瓦尔和宏源查。动态图的学习表示。国际学术会议
[238] 塞巴斯蒂安·里德尔、埃里克·高斯、吉劳姆·鲍查德。简单链路预测的复杂嵌入。国际机械会议
[239] 西奥·特鲁伊隆、克里斯托弗·丹斯、埃里克·高斯、约翰内斯·韦尔布、塞巴斯蒂安·里德尔和纪尧姆·鲍查德。通过复张量分解完成知识图
[240] 盖凡登布罗克。提升概率推理一阶知识编译的完备性。神经信息处理系统导论,1386-13942011页。
[241] 盖伊·范登布罗克和阿德南·达维奇。提升推理中二元证据的复杂性和近似性。神经信息处理系统指南,第2868-2876页,2013年。
[242号] 简·范·哈伦,盖伊·范登布罗克,万尼斯·米尔和杰西·戴维斯。马尔可夫逻辑网络的生成学习。机器学习,103(1):27-552015。
[243] Ashish Vaswani,Noam Shazeer,Niki Parmar,Jakob Uszkoret,Llion Jones,Aidan N Gomez,卢卡斯·凯泽和伊利亚·波洛苏金。你只需要专心。神经方面的无意识
[244] 佩塔·维利·奇科维奇、吉勒姆·库库鲁尔、阿兰特萨·卡萨诺娃、阿德里安娜·罗梅罗、皮埃特罗·里奥和尤斯华·本吉奥。图表注意力网络。国际学术会议
[245] 王大新,崔鹏,朱文武。结构深层网络嵌入。第二届ACM SIGGDD知识发现与数据挖掘国际会议,第1225-1234页。ACM,2016年。
[246] 王敏杰,全加,深图库,2018。
[247] 王全东,毛振东,王斌,李国。知识图嵌入:方法与应用综述。IEEE知识与数据工程学报,29(12):2724-27432017a。
[248] 王彤,何星胜,周明扬,傅仲谦。基于节点流行度的演化网络链路预测。科学报告,2017b。
[249] 王向楠,曹怡欣,刘萌,蔡达生。Kgat:知识图注意力网络推荐。arXiv预印本arXiv:1905.07854,2019年。
[250] 王小龙和阿比纳夫·古普塔。视频作为时空区域图。欧洲计算机视觉会议(ECCV),第399-417页,2018年。
[251] 王艳杰,雷纳·杰穆拉和李慧。基于双线性模型的多关系链路预测。2018年第二届AAAI人工智能大会。
[252] Waloddi-Weibull等,一个广泛适用的统计分布函数。应用力学杂志,18(3):293-2971951。
[253] 鲍里斯·魏斯费勒和安德烈是雷曼兄弟。一种将图还原为标准形的方法,以及在此过程中产生的代数。Nauchno Technicheskaya Informatsia,2(9):12-16,1968年。
[254] Greg Welch,Gary Bishop等,kalman滤波器简介。1995
[255] 温剑峰,李建新,毛永义,陈世妮,张立聪。二元关系外知识库的表示与嵌入。第25名
[256] 吴超元、艾哈迈德、贝特尔、史莫拉、何静。递归推荐网络。国际网络搜索与数据会议
[257] 吴天星,阿里吉特汗,高欢,程丽。有效嵌入动态知识图。arXiv预印本arXiv:1910.067082019年。
[258] 于欣,谢志强,杨静。一种动态社区检测的自适应随机抽样方法。专家系统与应用,58:10-19,2016。
[259] 梁雄,陈曦,黄子国,施耐德,贾梅G卡博内尔。贝叶斯概率张量分解的时间协同滤波。因赛姆
[260] 徐成进、莫伊塔巴·纳耶里、福阿德·阿尔科里、詹斯·莱曼和哈迈德·沙里亚特·亚兹迪。基于加性时间序列分解的时序知识图嵌入模型。
[261] 徐克玉,胡卫华,莱斯科维克,杰格尔卡。图神经网络有多强大?国际学习表征大会(ICLR),2009年b。
[262] 纳加纳德雅达提、玛德夫·尼米沙卡维、普拉蒂克·亚达夫、阿南德·路易斯和帕塔·塔鲁克达尔。超图卷积网络:用于半监督分类的超图卷积网络。arXiv预印本arXiv:1809.02589,2018年。
[263] Pinar Yanardag和SVN Vishwanathan。一个用于鲁棒图比较的结构平滑框架。神经信息处理系统(NeurIPS)指南,第2134-2142页,2015年。
[264] 杨碧山、文陶义、何晓东、高剑峰、李登。在知识库中嵌入学习和推理的实体和关系。国际会议
[265] 杨扬,尼特什查拉,孙益洲,贾维哈尼。预测多关系和异构网络中的链路。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,潘吕,凯瑶。动态社会网络中基于公共邻居的链路预测。Promedia Computer Science,第82-89页,2016年。
[267] 雷克英、何瑞宁、陈凯峰、庞爱索巴猜、汉密尔顿、莱斯科维克。网络规模推荐系统的图卷积神经网络。
[268] 英志涛、游佳轩、莫里斯、任翔、汉密尔顿、莱斯科维克。基于可微池的层次图表示学习。意外
[269] 冰雨、殷浩腾、朱占星。时空图卷积网络:交通预测的深度学习框架。第七国际联合会
[270] 于冰冰,李孟章,张吉勇,朱占星。具有时间图的三维图形卷积网络:交通预测的无空间信息框架。arXiv预印本arXiv:1903.00919,2019年。
[271] 余文超,郑伟,阿加瓦尔,陈海峰,王伟。动态网络中具有时空一致性的链路预测。国际第六国际
[272] 余文超,郑伟成,阿加瓦尔,张凯,陈海峰,王伟。Netwalk:动态网络异常检测的一种灵活的深度嵌入方法。第二十四届ACM国际知识发现大会&
[273] 余智勇,陈吉杰,郭坤,陈玉忠,徐倩。基于随机游动和种子扩展的重叠社区检测。第七届中国学术会议
[274] Manzil Zaheer、Satwik Kottur、Siamak Ravanbakhsh、Barnabas Poczos、Ruslan R Salakhutdinov和Alexander J Smola。深层次。神经信息处理系统(NeurIPS)指南,第3391-34012017页。
[275] 张策。Deepdive:一个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,麦迪逊,威斯康星州,2015年。
[276] 张道坤,尹洁,朱星泉,张成琪。Metagraph2vec:复杂语义路径增强异构网络嵌入。亚太会议
[277] 张道坤,尹洁,朱星泉,张成琪。网络表征学习:一项调查。IEEE大数据交易,2018b。
[278] 张健。海量图流算法综述。管理和挖掘图形数据,第393-420页。斯普林格,2010年。
[279] 张佳妮,史行健,谢俊元,马浩,金欧文,杨德仁。GaAN:用于学习大型时空图的门控注意网络。不确定
[280] 张紫薇,崔鹏,裴健,小王,朱文武。定时器:动态网络上有误差的svd重启。第二届AAAI人工智能大会,2018d。
[281] 周杰,崔干渠,张正彦,杨成阳,刘志远,孙茂松。图神经网络:方法与应用综述。arXiv预印本arXiv:1812.084342018a。
[282] 周乐魁、杨阳、项仁、吴飞武、庄月亭。三元闭合过程的动态网络嵌入。第二届AAAI大会
[283] 贾朱、谢庆茜、恩准。大型社交网络的混合时间序列链路预测框架。国际数据库与专家系统会议
[284] 朱林红,郭冬冬,尹俊明,格雷格·韦尔斯泰格,阿兰·加尔斯泰安。动态社会网络中链路预测的可伸缩时间潜在空间推理
[285] 朱玉柱、李浩、廖怡康、王北斗、关紫玉、刘海峰、邓才。下一步要做什么:用时间LSTM建模用户行为。第六国际联合会
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。