动态图神经网络综述
机器学习
2024-04-30 v1 社会与信息网络
摘要
图神经网络已成为有效挖掘和学习图结构数据的强大工具，其应用涵盖众多领域。然而，大多数研究关注静态图，忽略了真实世界网络中拓扑和属性随时间演化的动态特性。通过将序列建模模块集成到传统图神经网络架构中，动态图神经网络旨在弥合这一差距，捕捉动态图固有的时间依赖性，从而更真实地描绘复杂网络。本文全面回顾了动态图神经网络的基本概念、关键技术和最新模型。我们详细介绍了主流的动态图神经网络模型，并根据时间信息的整合方式对模型进行分类。我们还讨论了大规模动态图神经网络和预训练技术。尽管动态图神经网络已展现出优越的性能，但在可扩展性、处理异构信息以及缺乏多样化图数据集方面仍存在挑战。本文还讨论了可能的未来方向，如自适应和记忆增强模型、归纳学习以及理论分析。
引用
@article{arxiv.2404.18211,
title = {A survey of dynamic graph neural networks},
author = {Yanping Zheng and Lu Yi and Zhewei Wei},
journal= {arXiv preprint arXiv:2404.18211},
year = {2024}
}