图表示学习方法研究综述

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：针对图表示方法的相关解析任务进行了研究，从形式化定义出发，首先以不同核心技术作为分类标准将图表示学习方法划分为五大类，其包括基于降维解析、矩阵分解、随机游走、深度学习和其他表示学习方法。其次通过归纳与对比分析梳理各类技术发展脉络，进而深层次展现各类图表示方法的优劣。随后结合图表示学习的常用数据集、评估方法和应用领域的归纳分析，展开动态性、可扩展性、可解释性和可解析性的四维剖析。（剩余27723字）

试读结束

目录
monitor