基于图神经网络的动态图表示学习方法及其应用.pdf
文本预览下载声明
摘要
动态图作为真实世界中普遍存在的数据类型之一，对其进行有效建模具有重要
的研究意义与应用价值。动态图表示学习旨在从动态演化的图数据中学习到不同时
刻图/节点的低维潜在向量表示，进而服务于链接预测、节点分类等下游任务。现有
基于图神经网络的动态图表示学习方法主要建模节点交互时节点与连边信息，对图
演化过程中的复杂拓扑结构建模不足，存在时效性不强的问题。为此，本文从网络模
体的角度对动态图表示学习方法及其应用进行了深入研究，主要包括以下三个方面：
（1）针对动态图表示学习方法存在的复
显示全部