典型文献
图神经网络在复杂图挖掘上的研究进展
文献摘要：
图神经网络对非欧式空间数据建立了深度学习框架,相比传统网络表示学习模型,它对图结构能够实施更加深层的信息聚合操作.近年来,图神经网络完成了向复杂图结构的迁移,诞生了一系列基于复杂图的图神经网络模型.然而,现有综述文章缺乏对复杂图神经网络全面、系统的归纳和总结工作.将复杂图分为异质图、动态图和超图3种类型.将异质图神经网络按照信息聚合方式划分为关系类型感知和元路径感知两大类,在此基础上,分别介绍普通异质图和知识图谱.将动态图神经网络按照处理时序信息的方式划分成基于循环神经网络、基于自编码器以及时空图神经网络三大类.将超图神经网络按照是否将超图展开成成对图划分为展开型和非展开型两大类,进一步按照展开方式将展开型划分成星形展开、团式展开和线形展开3种类型.详细阐述了每种算法的核心思想,比较了不同算法间的优缺点,系统列举了各类复杂图神经网络的关键算法、(交叉)应用领域和常用数据集,并对未来可能的研究方向进行了展望.
文献关键词：
图神经网络;复杂图;异质图;动态图;超图
中图分类号：
作者姓名：
刘杰;尚学群;宋凌云;谭亚聪
作者机构：
西北工业大学计算机学院,陕西西安710072
文献出处：
引用格式：
[1]刘杰;尚学群;宋凌云;谭亚聪-.图神经网络在复杂图挖掘上的研究进展)[J].软件学报,2022(10):3582-3618
A类：
非展开
B类：
复杂图,图挖掘,欧式空间,空间数据,深度学习框架,网络表示学习,图结构,信息聚合,归纳和总结,动态图,超图,异质图神经网络,方式划分,关系类型,元路径,两大类,别介,时序信息,循环神经网络,自编码器,时空图神经网络,开成,图划分,展开方式,星形,线形,核心思想,未来可能
AB值：
0.287199
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
