软件学报

作者：李亚聪，刘皓冰，蒋若冰，刘聪，朱燕民

单位：李亚聪，中国海洋大学 计算机科学与技术学院, 山东 青岛 26600311,刘皓冰，中国海洋大学 计算机科学与技术学院, 山东 青岛 26600302,蒋若冰，中国海洋大学 计算机科学与技术学院, 山东 青岛 26600303,刘聪，山东理工大学 计算机科学与技术学院, 山东 淄博 25504904,朱燕民，上海交通大学 计算机科学与工程系, 上海 20024005

关键词：异质图;图表征学习;图神经网络;深度学习;数据挖掘

基金：国家自然科学基金 (62302469); 山东省自然科学基金 (ZR2023QF100, ZR2022QF050); 山东省泰山学者工程专项基金 (tsqn201909109); 山东省自然科学基金优秀青年基金 (ZR2021YQ45); 山东省高等学校青创科技计划创新团队项目(2021KJ031)

异质图因其能够反映现实世界中实体及其复杂多样的关系, 而在诸多领域中扮演着至关重要的角色. 异质图表征学习技术, 旨在将图中的信息有效地映射到低维空间中, 以便捕获和利用节点间深层的语义关联, 进而支持节点分类、聚类等下游分析任务. 深入调研异质图表征学习的最新研究进展, 涵盖方法论和应用实践. 首先对异质图的基本概念进行形式化定义, 并讨论异质图表征学习的挑战. 此外, 从浅层模型和深度模型两个角度, 系统地回顾当前主流的异质图表征学习方法, 特别是深度模型, 从异质图转换的视角出发进行分类并分析, 进而对多种方法的优势、局限和适用场景进行详尽分析, 旨在为读者提供一个全面的研究视角. 此外, 还介绍异质图表征学习研究中常用的数据集和工具, 并探讨其在现实世界中的典型应用. 最后, 总结主要贡献, 并对异质图表征学习领域的未来研究方向展望. 本综述旨在为研究者提供一个关于异质图表征学习领域的全面认识, 为未来的研究和应用奠定坚实的基础.

来源：2025年第6期

《软件学报》期刊编辑部

查看软件学报杂志2025年第6期