Основы и моделирование динамических сетей с использованием динамических графовых нейронных сетей: обзор
Foundations and Modeling of Dynamic Networks Using Dynamic Graph Neural Networks: A Survey
2021-01-01
SCID: 54.1/rv9rsexu
Discuss with AI
динамические графовые нейронные сетидинамические сетипредсказание связейклассификация узловвременные закономерности
Figures from the paper
Abstract (AI)
Динамические сети используются в широком спектре областей, включая анализ социальных сетей, рекомендательные системы и эпидемиологию. Представление сложных сетей как структур, изменяющихся во времени, позволяет моделям сетей учитывать не только структурные, но и временные закономерности. Однако из-за того, что литература по динамическим сетям сформировалась в различных научных областях и использует несогласованную терминологию, в ней сложно ориентироваться. Тем временем графовые нейронные сети (GNN) в последние годы привлекли значительное внимание благодаря своей способности эффективно решать широкий спектр задач сетевой науки, таких как предсказание связей и классификация узлов. Несмотря на популярность графовых нейронных сетей и доказанные преимущества моделей динамических сетей, графовым нейронным сетям для динамических сетей уделялось мало внимания. Для решения проблем, связанных с междисциплинарным характером этого направления, а также для систематического обзора динамических графовых нейронных сетей данная работа разделена на две основные части. Во-первых, для устранения неоднозначности терминологии динамических сетей формулируются основы динамических сетей с использованием согласованных и подробных терминов и обозначений. Во-вторых, представлен всесторонний обзор моделей динамических графовых нейронных сетей с использованием предложенной терминологии.
Key Findings
1
Моделирование динамических сетей позволяет учитывать как структурные, так и временные закономерности эволюционирующих сетей.
2
Представлен комплексный обзор моделей динамических графовых нейронных сетей с использованием предложенной унифицированной терминологии.
3
В статье вводятся согласованные подробные термины и обозначения для устранения неоднозначности в исследованиях динамических сетей.
4
Обзор рассматривает формирующееся направление, объединяющее временную структуру сетей с графовыми нейронными сетями для задач, включая предсказание связей и классификацию узлов.
5
Работа восполняет недостаток исследований, специально посвящённых графовым нейронным сетям для динамических сетей.
Research Object
Модели динамических графовых нейронных сетей для динамических сетей
Research Subject
Основы, терминология, нотация и систематизация моделей динамических графовых нейронных сетей для учета временных и структурных закономерностей сетей
Publication Details
Publication Date
2021-01-01
Journal
Publisher
ISSN
Cited by
333
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai14
Использование генеративного искусственного интеллекта для масштабирования интеллектуальных обучающих систем2023
Возникновение масштабирования в случайных сетях1999
Полуобучаемая классификация с использованием графовых сверточных сетей2016
Всеобъемлющий обзор графовых нейронных сетей2020
Модель графовой нейронной сети2008
Графовые нейронные сети: обзор методов и приложений2020
Пространственно-временные графовые сверточные сети: платформа глубокого обучения для прогнозирования трафика2018
Графовые сверточные нейронные сети для рекомендательных систем веб‑масштаба2018
Глубокое обучение на графах: обзор2020
Графовые нейронные сети: обзор методов и приложений2018
Обзор статистических сетевых моделей2010
EvolveGCN: Эволюционирующие графовые сверточные сети для динамических графов2020
Целевой выбор ветвления для задачи максимального независимого множества с использованием графовых нейронных сетей2024
Обнаружение уязвимостей, специфичных для функциональности, путем поиска индивидуальных эквивалентных по функциональности API в открытых репозиториях2025