软件学报

作者：胡秉德，王新根，王新宇，宋明黎，陈纯

单位：胡秉德，浙江大学 计算机科学与技术学院, 浙江 杭州 31000711,王新根，浙江大学 计算机科学与技术学院, 浙江 杭州 31000702,王新宇，浙江大学 计算机科学与技术学院, 浙江 杭州 31000703,宋明黎，浙江大学 计算机科学与技术学院, 浙江 杭州 31000704,陈纯，浙江大学 计算机科学与技术学院, 浙江 杭州 31000705

关键词：超图学习;谱分析;神经网络;展开;非展开

基金：广东省重点领域研发计划(2020B0101100005); 浙江省重点研发计划(2021C01014)

随着图结构化数据挖掘的兴起, 超图作为一种特殊的图结构化数据, 在社交网络分析、图像处理、生物反应解析等领域受到广泛关注. 研究者通过解析超图中的拓扑结构与节点属性等信息, 能够有效解决实际应用场景中所遇到的如兴趣推荐、社群划分等问题. 根据超图学习算法的设计特点, 将其划分为谱分析方法和神经网络方法, 根据方法对超图处理的不同手段, 可进一步划分为展开式方法和非展开式方法. 若将展开式方法用于不可分解超图, 则很有可能会造成信息损失. 然而, 现有的超图相关综述文章鲜有就超图学习方法适用于哪类超图这一问题做出相关归纳. 因此, 分别从超图上的谱分析方法和神经网络方法两方面出发, 对展开式方法和非展开式方法展开讨论, 并结合其算法特性和应用场景作进一步细分; 然后, 分析比较各类算法的设计思路, 结合实验结果总结各类算法的优缺点; 最后, 对超图学习未来可能的研究方向进行了展望.

来源：2022年第2期

《软件学报》期刊编辑部

查看软件学报杂志2022年第2期