电子学报 ›› 2020, Vol. 48 ›› Issue (4): 808-818.DOI: 10.3969/j.issn.0372-2112.2020.04.023

• 综述评论 • 上一篇    下一篇

图嵌入方法与应用:研究综述

祁志卫1, 王笳辉1, 岳昆1, 乔少杰2, 李劲3   

  1. 1. 云南大学信息学院, 云南昆明 650500;
    2. 成都信息工程大学网络空间安全学院, 四川成都 610225;
    3. 云南大学软件学院, 云南昆明 650500
  • 收稿日期:2018-12-17 修回日期:2019-04-26 出版日期:2020-04-25 发布日期:2020-04-25
  • 作者简介:祁志卫 男,1987年11月生,山西神池人.云南大学信息学院博士研究生,云南大学讲师,主要研究方向为海量数据分析和不确定性人工智能.E-mail:maryqizhiwei@ynu.edu.cn;王笳辉 男,1996年9月生,安徽潜山人,云南大学信息学院博士研究生,主要研究方向为海量数据分析和不确定性人工智能.
  • 基金资助:
    国家自然科学基金(No.U1802271,No.61562091,No.61772091,No.61802035);云南省基础研究计划杰出青年项目(No.2019杰青-2);云南省应用基础研究计划(No.2016FB110);云南省教育厅科研基金(No.2018JS013)

Methods and Applications of Graph Embedding:A Survey

QI Zhi-wei1, WANG Jia-hui1, YUE Kun1, QIAO Shao-jie2, LI Jin3   

  1. 1. School of Information Science and Engineering, Yunnan University, Kunming, Yunnan 650500, China;
    2. School of Cybersecurity, Chengdu University of Information Technology, Chengdu, Sichuan 610225, China;
    3. School of Software, Yunnan University, Kunming, Yunnan 650500, China
  • Received:2018-12-17 Revised:2019-04-26 Online:2020-04-25 Published:2020-04-25

摘要: 图模型越来越广泛地应用于数据管理、知识发现和信息服务等问题中,图嵌入作为图分析和应用的重要技术手段,成为了人工智能领域研究的热点之一.本文从图嵌入研究中面临的挑战出发,主要介绍了基于矩阵分解、基于随机游走和基于深度学习的图嵌入方法.接着,介绍了图嵌入方法常用的测试数据集、评测标准和典型应用.最后,总结了图嵌入未来研究的趋势和方向.

关键词: 图模型, 图嵌入方法, 图嵌入应用, 测试数据集, 评测标准

Abstract: Graphs are increasingly used in data management,knowledge discovery and information services.As an important strategy of graph analysis and applications,graph embedding has become one of the subjects with great attention in artificial intelligence.Starting from the challenges faced in graph embedding studies,this paper introduces the principal methods based on matrix decomposition,random walk and deep learning.Then,we introduce general test datasets,evaluation criteria as well as typical applications widely used in graph embedding.Finally,we summarize the trend and future research issues of graph embedding.

Key words: graph model, graph embedding method, graph embedding application, test datasets, evaluation metrics

中图分类号: