面向监督动态图学习的编码器-解码器架构综述
机器学习
2022-03-29 v2
摘要
近年来，盛行的在线服务产生了海量用户活动数据。服务提供者收集这些数据以进行客户行为分析，并提供更好、更定制化的服务。这些数据多数可建模并存储为图，如 Facebook 中的社交图、Youtube 中的用户-视频交互图。这些图需随时间演化以捕捉现实世界中的动态，从而催生了动态图。然而，动态图中嵌入的时间信息给分析与部署带来新挑战。事件陈旧性、时间信息学习以及显式时间维度使用是动态图学习中的一些挑战示例。为向工业界与学术界提供便捷参考，本综述基于动态图演化理论提出三阶段循环时间学习框架，以通用框架解释时间信息的学习。在此框架下，本综述对监督动态图学习的不同可学习编码器-解码器架构进行分类与回顾。我们相信本综述可为研究者和工程师在其动态学习任务中寻找合适图结构提供有用指导。
引用
@article{arxiv.2203.10480,
title = {Encoder-Decoder Architecture for Supervised Dynamic Graph Learning: A Survey},
author = {Yuecai Zhu and Fuyuan Lyu and Chengming Hu and Xi Chen and Xue Liu},
journal= {arXiv preprint arXiv:2203.10480},
year = {2022}
}
备注
Optimize title for better visibility