动态图表示学习，动态图分析论文汇总项目
本项目总结了动态图表示学习的有关论文，该项目在持续更新中，欢迎大家看/星/叉！
如果大家有值得推荐的工作，可以在问题中提出要推荐的工作，论文下载链接及其工作亮点（有优秀代码实现的工作，会优先考虑在内）。项目中表述有误的部分，也可以在issue中提出。感谢！
引流：【这也是我们的工作，欢迎手表/星/叉】
社交知识图谱专题： :
目录如下：
静态图表示与分析工作
针对静态图表示学习以及静态图分析，挖掘领域，挑选出个人认为值得继承的引用数更高，知名度较高的或最近的一些工作。
node2vec：网络的可扩展功能学习
作者：Grover A，Leskovec J.（阿姆斯特丹大学）
发表时间：2016
发表于：KDD 2016
标签：图表示学习
概述：依据表示学习，提出了一套在网络中学习连续连续类型表示的方法，取代了传统使用人工定义的例程结构化特征的方式
2021-12-05 01:49:53
26KB
1
| |
PyTorch几何态是时间（动态）扩展文库。
该库包含来自各种已发表研究论文的各种动态和时间几何深度学习，嵌入以及时空回归方法。此外，它还提供了易于使用的数据集加载器和迭代器，用于动态和时间图以及gpu支持。它还附带了许多带有时间和动态图的基准数据集（您也可以创建自己的数据集）。
引用
如果您发现PyTorch Geometric Temporal和新的数据集对您的研究有用，请考虑添加以下引用：
@misc { pytorch_geometric_temporal ,
author = { Benedek, Rozemberczki and Paul, Scherer and Yixuan, He and Oliver, Kiss and Nicolas, Collignon } ,
title = { {PyTorch Geometric Tempor
2021-10-18 18:33:09
1.85MB
1
Review on the Research Progress of the Structure and Dynamics of Temporal Networks
2021-02-07 20:06:11
128KB
1