我们在动态网络的链接预测问题中，提出了一种基于半监督图嵌入的方法，使用加权损失函数来同时反映时空和快照结构信息，从而提高模型的预测性能，并在三个真实动态网络上展示了方法的有效性。
Oct, 2016
本研究提出了一种新的动态属性网络嵌入框架——DANE，该框架采用了一种离线方法来达成共识嵌入，然后利用矩阵扰动理论来在在线方式下保持末状态的新鲜度。
Jun, 2017
本文介绍了一种动态网络嵌入方法dynnode2vec，解决了静态网络嵌入方法在动态网络上运用的问题，并在多个大型动态网络数据集上进行了实证评估。
Dec, 2018
本研究对15个数据集进行了12种度量方法的实验研究，其中涵盖了图的非线性降维和表示学习。结果显示，无论是在连接预测还是节点分类任务中，没有一种方法完全胜出。
May, 2019
本研究提出了一种新的时变网络嵌入方法M2DNE，它能够精细地捕获网络结构和性质中的微观和宏观动态，大量实验证明M2DNE在传统任务和时间倾向相关任务中的表现均显著优于现有技术。
Sep, 2019
本文研究低维嵌入在复杂网络中的应用，证明了可用一种轻微改进的模型生成高度簇聚密度的稀疏图，同时得到准确的低维分解，并用基于逻辑主成分分析的简单算法成功找到了精确嵌入，实验证明低维嵌入对于捕捉真实世界网络的局部结构具有良好的效果。
Jun, 2020
本文综述了网络嵌入技术的相关文献，介绍了当前流行的方法和研究动态，以帮助读者在这个领域的复杂研究中找到方向。
May, 2023
本文说明了在使用图神经网络时易忽视的一种在网络动力学建模方面的误解，指出利用嵌入在神经动力网络模型中往往会导致模型拟合观测数据的表现良好但动力行为不正确，因此提出了一个不使用嵌入的替代方法，通过实验证明了该模型可以可靠地从时间序列数据中恢复不同网络拓扑下的广泛动态。
提出了一种新的动态网络嵌入范式，即通过旋转和缩放嵌入空间的轴而不是逐个节点更新来实现动态网络嵌入，其中运用了动态个性化PageRank方法来增强节点嵌入和动态捕获更高阶邻居信息，并通过对不同规模动态图上节点分类、链路预测和图重构的实验表明，该方法在动态网络嵌入方面具有显著的优势。
Jun, 2023
本研究解决了在复杂系统中有效进行结构网络嵌入的挑战，提出了一种基于近似平衡划分的新颖嵌入技术。通过引入可调的容忍参数，改善了在真实网络中难以找到精确平衡划分的局限性，研究显示该方法在大规模网络嵌入时性能优越，计算成本显著降低。
Sep, 2024