發(fā)布時間：2022-01-26 23:24

　　圖模型越來越廣泛地應(yīng)用于數(shù)據(jù)管理、知識發(fā)現(xiàn)和信息服務(wù)等問題中,圖嵌入作為圖分析和應(yīng)用的重要技術(shù)手段,成為了人工智能領(lǐng)域研究的熱點之一.本文從圖嵌入研究中面臨的挑戰(zhàn)出發(fā),主要介紹了基于矩陣分解、基于隨機(jī)游走和基于深度學(xué)習(xí)的圖嵌入方法.接著,介紹了圖嵌入方法常用的測試數(shù)據(jù)集、評測標(biāo)準(zhǔn)和典型應(yīng)用.最后,總結(jié)了圖嵌入未來研究的趨勢和方向. 

【文章來源】：電子學(xué)報. 2020,48(04)北大核心EICSCD

【文章頁數(shù)】：11 頁

【文章目錄】：
1 引言
2 圖嵌入問題及定義
    2.1 圖嵌入問題
    2.2 相關(guān)定義
3 圖嵌入方法
    3.1 基于矩陣分解的圖嵌入方法
        3.1.1 基于圖拉普拉斯特征映射的矩陣分解
        3.1.2 基于節(jié)點相似性的矩陣分解
    3.2 基于隨機(jī)游走的圖嵌入方法
        3.2.1 同構(gòu)網(wǎng)絡(luò)中的隨機(jī)游走
        3.2.2 異構(gòu)網(wǎng)絡(luò)中的隨機(jī)游走
    3.3 基于深度學(xué)習(xí)的圖嵌入方法
    3.4 其他圖嵌入方法
4 測試數(shù)據(jù)集與評測標(biāo)準(zhǔn)
5 圖嵌入應(yīng)用
6 總結(jié)與展望
    (1)圖嵌入方法方面
    (2)圖嵌入應(yīng)用方面


【參考文獻(xiàn)】：
期刊論文
[1]基于詞性與詞序的相關(guān)因子訓(xùn)練的word2vec改進(jìn)模型[J]. 潘博,于重重,張青川,徐世璇,曹帥.  電子學(xué)報. 2018(08)
[2]網(wǎng)絡(luò)表示學(xué)習(xí)綜述[J]. 涂存超,楊成,劉知遠(yuǎn),孫茂松.  中國科學(xué):信息科學(xué). 2017(08)



本文編號：3611312