软件学报

作者：刘杰，尚学群，宋凌云，谭亚聪

单位：刘杰，西北工业大学 计算机学院, 陕西 西安 71007211,尚学群，西北工业大学 计算机学院, 陕西 西安 71007202,宋凌云，西北工业大学 计算机学院, 陕西 西安 71007203,谭亚聪，西北工业大学 计算机学院, 陕西 西安 71007204

关键词：图神经网络;复杂图;异质图;动态图;超图

基金：国家重点研发计划(2020AAA0108504);国家自然科学基金(62102321,61772426,U1811262);中央高校基本科研专项基金(D5000200146);中国博士后科学基金(2020M673487)

图神经网络对非欧式空间数据建立了深度学习框架,相比传统网络表示学习模型,它对图结构能够实施更加深层的信息聚合操作.近年来,图神经网络完成了向复杂图结构的迁移,诞生了一系列基于复杂图的图神经网络模型.然而,现有综述文章缺乏对复杂图神经网络全面、系统的归纳和总结工作.将复杂图分为异质图、动态图和超图3种类型.将异质图神经网络按照信息聚合方式划分为关系类型感知和元路径感知两大类,在此基础上,分别介绍普通异质图和知识图谱.将动态图神经网络按照处理时序信息的方式划分成基于循环神经网络、基于自编码器以及时空图神经网络三大类.将超图神经网络按照是否将超图展开成成对图划分为展开型和非展开型两大类,进一步按照展开方式将展开型划分成星形展开、团式展开和线形展开3种类型.详细阐述了每种算法的核心思想,比较了不同算法间的优缺点,系统列举了各类复杂图神经网络的关键算法、(交叉)应用领域和常用数据集,并对未来可能的研究方向进行了展望.

来源：2022年第10期

《软件学报》期刊编辑部

查看软件学报杂志2022年第10期