• 本文转自北邮GAMMA Lab，作者博士生薄德瑜
  • 论文名称：A Survey on Heterogenous Graph Embedding: Methods, Techniques, Applications and Sources
  • 论文地址：https://arxiv.org/abs/2011.14867

异质图（Heterogeneous Graph, HG）也称为异质信息网络（Heterogeneous Information Network, HIN），在现实世界中已经无处不在。异质图嵌入(Heterogeneous Graph Embedding, HGE)，旨在在低维的空间中学习节点表示，同时保留异质结构和语义用于下游任务（例如，节点/图分类，节点聚类，链接预测），在近年来受到了广泛的关注。在综述中，我们对异质图嵌入的方法和技术的最新进展进行了全面回顾，探索了异质图嵌入的问题和挑战，并预测了该领域的未来研究方向。

该论文的主要贡献如下：

  • 讨论了与同质图相比，异质图的异质性带来的独特挑战 。该论文对现有的异质图嵌入方法进行了全面的调研，并基于它们在学习过程中使用的信息进行分类，以解决异质性带来的特定的挑战。
  • 对于每类代表性的异质图嵌入方法和技术，提供详细的介绍并进一步分析了其优缺点。此外，该论文首次探索了异质图嵌入方法在现实工业环境中的可转换性和适用性。
  • 总结了开源代码和基准数据集，并对现有的图学习平台进行了详细介绍，以促进该领域的未来研究和应用。
  • 探讨异质图嵌入的其他问题和挑战，并预测该领域的未来研究方向。

感兴趣的可以戳链接。

内容中包含的图片若涉及版权问题，请及时与我们联系删除