图学习及其应用：一项整体调查
摘要：图学习是一个常见的领域，致力于学习节点之间的复杂关系和图的拓扑结构。多年来，图学习已经从图论发展到图数据挖掘。随着表示学习的出现，在各种场景中取得了显著的性能。由于其广泛的应用前景，图学习引起了大量的关注。虽然一些研究人员对图学习进行了令人印象深刻的调查，但他们未能以更连贯的方式连接相关的目标、方法和应用。因此，由于图学习的快速扩展，他们没有涵盖当前丰富的场景和具有挑战性的问题。特别是，大型语言模型最近对人类生活产生了破坏性影响，但在结构化场景中也显示出相对的弱点。如何通过图学习使这些模型更加强大仍然是一个开放问题。与以往关于图学习的调查不同，我们从图结构的角度提供了一个全面的综述，并讨论了图学习的最新应用、趋势和挑战。具体而言，我们首先提出了一个分类法，然后总结了图学习中使用的方法。然后我们详细阐述了主流应用。最后，我们提出了未来的方向。
作者：Shaopeng Wei, Yu Zhao, Xingyan Chen, Qing Li, Fuzhen Zhuang, Ji Liu, Gang Kou
论文ID：2212.08966
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-06-06