编者按：

本文介绍了动态图表示学习的重要性以及目前常用的方法，并提出了未来的研究展望。传统的图学习方法主要基于静态图，但现实生活中的关系图通常是动态的，边和节点会随时间变化。这就需要针对动态图设计相应的学习方法。

在本文中，介绍了两篇动态图表示学习的工作。第一篇工作是JODIE，使用两个递归神经网络来建模用户-项目关系。第二篇工作是TemporalGraphNetworks(TGNs)，提出了一种学习连续时间动态图的通用框架，并指出之前的许多方法是该框架的特定实例。

该领域的问题定义是用户-项目交互发生在不断变化的关系图中，表示学习方法需要解决以下四个问题：

<li> 大多数方法只在交互发生时更新节点嵌入，没有交互时嵌入不会更新。
1. 节点有固定属性和时变属性两种特征，大多数方法只考虑其中一种。
2. 通过用户为所有项目打分来预测交互的方法时间复杂度线性，不适用于大规模数据。
3. 大多数现有方法不适用于批处理学习。

在模型介绍中，文中提到了静态嵌入和动态嵌入的概念，以及嵌入更新操作和嵌入投影操作的实现。嵌入更新操作利用用户和项目之间的交互数据来生成动态嵌入。嵌入投影操作用于预测用户未来的嵌入轨迹，以应用在关系预测任务中。

标签： 知识图谱、 动态、 图数据库、

本文地址： https://yihaiquanyi.com/article/4e585afd4a9efa91d74f.html

上一篇：spark从节点的工作进程是Spark从知晓到从新...
下一篇：materialsMaterialiaActa​电子束增材制造...