本文提出了一种多视角网络嵌入方法 MANE，旨在通过多样性和协作来促进多个关系视角的合作，实现更优秀的节点表征，实验证明 MANE 在公开的多视角网络数据集上，优于现有的嵌入方法。
May, 2020
使用张量技术将多视图和多图脑网络的依赖关系和相关性同时结合，可以通过利用多视图和多图交互来对脑网络进行聚类，提高疾病机理的理解和治疗方法的指导。
Jun, 2018
本研究提出一种新颖的生成对抗网络框架，即 MEGAN，用于多视角网络嵌入，通过保留多视角网络的信息并考虑它们之间的相关性，通过节点分类、链接预测和可视化任务的实验表明，该方法的表现优于现有的方法。
Aug, 2019
介绍一种通过联合嵌入和稀疏代表选择的新颖无监督框架来总结多视角视频，该方法能够提取出多视角视频之间的复杂内部和外部关联，实现高效准确的摘要生成。
Jun, 2017
本文研究多视角学习节点表示，提出了一种多视图表示学习方法，促进了不同视图之间的协作，并让它们为健壮表示投票，投票过程中引入了注意机制，实验结果表明该方法优于现有的单视图和竞争的多视图网络表示学习方法。
Sep, 2017
本文提出了一种深度嵌入式多视图聚类方法，其中包括对多视图的共识和互补性的考虑以及一种新的协作训练方案，并针对多视图聚类性能进行了实验性结果分析。
Jul, 2020
本文提出了一种多视角文档表示学习框架，通过生成多个视图嵌入来表示文档，并通过全局 - 局部 loss 函数来防止多视图嵌入坍塌到同一个嵌入中，实现了稳定性的匹配，在密集检索方面取得了最新的成果。
Mar, 2022
提出了简单的概率多视图图嵌入（PMvGE）框架，用于多视图特征学习，结合了对多对多关联和非线性特征转换的模拟，证实 PMvGE 可学习视图间宽类相似度测量，且效果显著。
Feb, 2018
通过将三种方法（网络聚合，结果聚合和层共分析）应用于多层网络，我们将其投影到连续的向量空间中，并通过评估验证了其中一种方法（层共分析）在大多数数据集上的表现优于常规链接预测方法。
本文提出了一种多方面的网络嵌入框架，名为 asp2vec，该框架通过动态分配每个节点的不同方面，从而提高了嵌入质量，并能够轻松地扩展到异构网络。
Jun, 2020