动态网络的基石与建模：基于动态图神经网络综述

动态网络被广泛应用于包括社交网络分析、推荐系统和流行病学在内的广泛领域。将复杂网络表示为随时间变化的结构，使网络模型不仅能够利用结构模式，还能利用时间模式。然而，由于动态网络文献源于不同领域且使用不一致的术语，难以梳理。与此同时，图神经网络（GNNs）因其在链接预测和节点分类等一系列网络科学任务上的良好表现，近年来备受关注。尽管图神经网络广受欢迎且动态网络模型已被证明有益，但针对动态网络的图神经网络研究却很少。为解决这一跨领域研究带来的挑战并对动态图神经网络进行综述，本工作分为两个主要部分。首先，为解决动态网络术语的模糊性，我们建立了具有一致、详尽术语和符号的动态网络基础。其次，我们使用所提出的术语对动态图神经网络模型进行了全面综述。