超圖學習綜述: 算法分類與應(yīng)用分析

隨著圖結(jié)構(gòu)化數(shù)據(jù)挖掘的興起, 超圖作為一種特殊的圖結(jié)構(gòu)化數(shù)據(jù), 在社交網(wǎng)絡(luò)分析、圖像處理、生物反應(yīng)解析等領(lǐng)域受到廣泛關(guān)注. 研究者通過解析超圖中的拓撲結(jié)構(gòu)與節(jié)點屬性等信息, 能夠有效解決實際應(yīng)用場景中所遇到的如興趣推薦、社群劃分等問題. 根據(jù)超圖學習算法的設(shè)計特點, 將其劃分為譜分析方法和神經(jīng)網(wǎng)絡(luò)方法, 根據(jù)方法對超圖處理的不同手段, 可進一步劃分為展開式方法和非展開式方法. 若將展開式方法用于不可分解超圖, 則很有可能會造成信息損失. 然而, 現(xiàn)有的超圖相關(guān)綜述文章鮮有就超圖學習方法適用于哪類超圖這一問題做出相關(guān)歸納. 因此, 分別從超圖上的譜分析方法和神經(jīng)網(wǎng)絡(luò)方法兩方面出發(fā), 對展開式方法和非展開式方法展開討論, 并結(jié)合其算法特性和應(yīng)用場景作進一步細分; 然后, 分析比較各類算法的設(shè)計思路, 結(jié)合實驗結(jié)果總結(jié)各類算法的優(yōu)缺點; 最后, 對超圖學習未來可能的研究方向進行了展望.
http://www.jos.org.cn/jos/article/abstract/6353?st=article_issue