图表示学习是2018年火爆全球的一个深度学习方向,从以 Line, meta-path 等为首的节点表示学习,到以 GCN,GraphSAGE,为首的图卷积方法,在到近期的以 GraphVAE 为首的生成图模型,图表示学习方向的文章如过江之鲫。
【CMU博士论文】朝着更强大的图表示学习迈进
专知会员服务
27+阅读 · 12月4日
深度图异常检测:综述与新视角
专知会员服务
22+阅读 · 9月19日
深度图异常检测:综述与新视角
专知会员服务
13+阅读 · 9月19日
图提示学习最新综述
专知会员服务
19+阅读 · 8月28日
《图持续学习》综述
专知会员服务
28+阅读 · 2月20日
大型语言模型图表示学习:技术的全面综述
专知会员服务
49+阅读 · 2月14日
ReThinklab实验室NeurIPS2023论文速览
专知会员服务
27+阅读 · 2023年12月29日
【博士论文】图表示学习的谱理论与自监督学习
专知会员服务
40+阅读 · 2023年11月30日
【博士论文】最优传输图表示学习,204页pdf
专知会员服务
44+阅读 · 2023年10月25日
【CIKM2023】基于多节点中心子图的对比表示学习
专知会员服务
21+阅读 · 2023年9月1日
参考链接
微信扫码咨询专知VIP会员