探索 Graph Mamba：关于图学习状态空间模型的综合概览
机器学习
2024-12-25 v1 人工智能
摘要
Graph Mamba 作为一种强大的图嵌入技术，已在生物信息学、社交网络和推荐系统等多个领域广泛应用。本综述是首个专注于 Graph Mamba 的全面研究，旨在弥补其在应用、挑战和潜在前景方面的理解缺口。我们首先提供对原始 Graph Mamba 架构的详细解释，突出其关键组件和底层机制。随后，我们探讨最近提出的改进和增强，以提高其性能和适用性。为展示 Graph Mamba 的多样性，我们检视其在不同领域的应用。对 Graph Mamba 与其变体进行比较分析，以阐明其独特特征和潜在用例。此外，我们识别了 Graph Mamba 可在未来应用的潜在领域，凸显其在这些领域数据分析方面的潜力。最后，我们阐述了 Graph Mamba 当前的局限性和开放研究问题。通过认识到这些挑战，我们旨在激励进一步的研究和开发，以发展这一前景广阔的领域。本综述为新手和经验丰富的研究人员提供了宝贵资源，帮助他们理解和利用 Graph Mamba 的强大功能。
关键词
引用
@article{arxiv.2412.18322,
title = {Exploring Graph Mamba: A Comprehensive Survey on State-Space Models for Graph Learning},
author = {Safa Ben Atitallah and Chaima Ben Rabah and Maha Driss and Wadii Boulila and Anis Koubaa},
journal= {arXiv preprint arXiv:2412.18322},
year = {2024}
}