文献类型：期刊文章

作　　者：袁立宁[1] 李欣[2] 王晓冬[3] 刘钊[4]

YUAN Lining;LI Xin;WANG Xiaodong;LIU Zhao(School of Information Network Security,People’s Public Security University of China,Beijing 100038,China;Science and Informatization Division,Hexi Branch of Tianjin Public Security Bureau,Tianjin 300202,China;Science and Informatization Division,Hedong Branch of Tianjin Public Security Bureau,Tianjin 300171,China;Research Center for New Crimes,People’s Public Security University of China,Beijing 100038,China)

机构地区：[1]中国人民公安大学信息网络安全学院,北京100038 [2]天津市公安局河西分局科技信息化支队,天津300202 [3]天津市公安局河东分局科技信息化支队,天津300171 [4]中国人民公安大学新型犯罪研究中心,北京100038

出　　处：《计算机科学与探索》

基　　金：中央高校基本科研业务费专项资金(2019JKF425);国家重点研发计划(2018YFC0809800)。

年　　份：2022

卷　　号：16

期　　号：1

起止页码：59-87

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、ZGKJHX、核心刊

摘　　要：图分析用于深入挖掘图数据的内在特征,然而图作为非欧几里德数据,传统的数据分析方法普遍存在较高的计算量和空间开销。图嵌入是一种解决图分析问题的有效方法,其将原始图数据转换到低维空间并保留关键信息,从而提升节点分类、链接预测、节点聚类等下游任务的性能。与以往的研究不同,同时对静态图和动态图嵌入文献进行全面回顾,提出一种静态图嵌入和动态图嵌入通用分类方法,即基于矩阵分解的图嵌入、基于随机游走的图嵌入、基于自编码器的图嵌入、基于图神经网络(GNN)的图嵌入和基于其他方法的图嵌入。其次,对静态图和动态图方法的理论相关性进行分析,对模型核心策略、下游任务和数据集进行全面总结。最后,提出了四个图嵌入的潜在研究方向。

关 键 词：图嵌入 静态图嵌入  动态图嵌入  随机游走 图神经网络(GNN)  

分 类 号：TP391]