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
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
1
Review on the Research Progress of the Structure and Dynamics of Temporal Networks
2021-02-07 20:06:11 128KB 研究论文
1