版权说明 操作指南
首页 > 成果 > 详情

异质网络特征表示学习研究综述

认领
导出
Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
论文标题(英文):
A review on heterogeneous network representation learning
作者:
赵素芬
作者机构:
华中师范大学计算机学院,湖北 武汉 430079
武汉大学计算机学院
[赵素芬] 华中师范大学
语种:
中文
关键词:
异质信息网络;特征表示学习;图神经网络;机器学习
关键词(英文):
heterogeneous information networks;representation learning;graph neural networks;machine learning
期刊:
计算机时代
ISSN:
1006-8228
年:
2023
期:
1
页码:
12-16
基金类别:
华中师范大学中央高校基本科研业务费青年教师创新项目(No.CCNU20QN022)。
机构署名:
本校为第一机构
院系归属:
计算机学院
摘要:
异质网络特征表示学习技术在各类机器学习任务中发挥了重要的作用。然而目前针对该研究领域的综述却很少。本文对异质网络特征表示学习领域的最新研究进展作系统性的综述。首先,基于“编码器-解码器”的框架,将现有模型分为六类;然后,...展开更多 异质网络特征表示学习技术在各类机器学习任务中发挥了重要的作用。然而目前针对该研究领域的综述却很少。本文对异质网络特征表示学习领域的最新研究进展作系统性的综述。首先,基于“编码器-解码器”的框架,将现有模型分为六类;然后,对每类模型进行系统性地概览、描述和分析,总结每一类模型的优势和缺陷;最后,总结全文并讨论了该领域的开放性问题。收...
摘要(英文):
Heterogeneous network representation learning(HNRL)technique has played a very important role in various machine learning tasks.However,there are currently few reviews in this research field.To address this issue,we conduct a systematic and comprehensive review of the l...MORE Heterogeneous network representation learning(HNRL)technique has played a very important role in various machine learning tasks.However,there are currently few reviews in this research field.To address this issue,we conduct a systematic and comprehensive review of the latest HNRL research.Firstly,the existing HNRL models...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com