- 异构节点提高图形主动学习
本文提出了基于相异性的信息评分方法，包括特征差异评分、结构差异评分和嵌入差异评分，能够考虑标记节点集对未标记节点价值的影响，有效提高主动学习的性能，实验结果表明，本文提出的评分方法平均提高了 2.1% 的分类准确率，且适用于不同图神经网络结 - EMNLP异构信息网络上元路径生成的文本填充
使用预训练语言模型的 MetaFill 是一种使用文本填充的元路径生成方法，可以成功地用于在 HINs 的图嵌入中生成元路径，比现有的元路径生成方法和不利用元路径的图嵌入方法表现更好。
- 基于强化学习的数字人类互动推荐决策
本研究基于强化学习、多模态嵌入和图嵌入等技术，设计了一个新型的数字人互动推荐代理框架，以提高个性化推荐和数字人代理的效率和准确性。实验结果表明该框架具有更好的个性化客户参与和更好的客户体验。
- MM本地稀疏不完全多视角聚类
本文针对在多视角数据的部分视角缺失下进行聚类的问题，提出了一种名为 LSIMVC 的简洁、高效的方法，其通过实现稀疏规则和新颖的图嵌入多视角矩阵分解模型，从不完整的多视角数据中学习出一种稀疏的结构化共识潜在表征。
- 在超复数空间中融合知识图谱嵌入和预训练语言模型
该论文提出了一种结合超复数代数的模型，通过将结构性和文本性知识统一表示为四种模态的向量，其中包括结构性知识图嵌入、单词级表示法、句子级表示法和文档级表示法，以增强链接预测任务的性能。
- ICML谱聚类的更紧密分析，以及更多
本研究针对典型的谱聚类算法，探讨在一些较弱条件下其性能为何，还研究了利用少于 k 个特征向量进行嵌入的谱聚类，实验表明在合成和真实数据上，使用少于 k 个特征向量时，谱聚类也能够产生相当或更好的结果。
- 基于 Weisfeiler-Lehman 子树的 $L_1$- 近似树编辑距离的 Wasserstein 图距离
本文首次阐明了 Weisfeiler-Lehman 测试仅考虑了图一致性因而弱化了结构信息描述能力的事实，并定义了一种叫做 Wasserstein WL subtree (WWLS) 距离的度量。通过引入 WL 子树作为节点附近的结构信息并 - KDD属性图的表示学习框架
本文提出了一种新的图形表示学习框架 PGE，该框架将节点和边缘的属性信息纳入了图嵌入过程，通过节点聚类和多种数据驱动矩阵来聚合邻居节点的属性信息，并在节点分类和链接预测等应用方面验证了 PGE 的性能优于现有的图形嵌入方法，表明其在机器学习 - 图神经推荐的空间自回归编码
本文提出了一种名为 SAC 的新型框架，它采用了一种新的空间自回归范式来充分利用邻居的接近性和高阶信息，同时还提出了邻居信息瓶颈来学习目标节点到邻居的预测任务的最小充分表示，并消除邻居的冗余，实验结果表明，在公共推荐数据集和某真实情境下的大 - AMCAD：基于自适应混合曲率表示的广告检索系统
提出了一个自适应混合曲率广告检索系统（AMCAD），可以自动捕获非欧几里德（Euclidean）空间中的复杂和异构图结构，采用自适应混合曲率空间表示实体，并设计了注意力机制来模拟异构节点之间的相似度，设计了一个高效的二层在线检索框架来部署 - WSDM分层注意成员图嵌入
本研究提出了一种基于邻域组织的层次化关注成员模型，用于图嵌入，通过引入结构约束，由上至下地捕获了一种良好定义的层次结构，实现了节点分类和链接预测任务的指标优于当前先进技术图嵌入解决方案，表明隐含群组和成员资格的概念在图嵌入学习中具有快速发展 - WWW使用偏差图观测的无偏图嵌入
本文提出了一种从不受敏感结点影响的无偏图学习结点嵌入的新方法，实现无偏图嵌入的两种方法通过理论和实验的对比表明其有效性。
- KDD随机游走图嵌入的更广泛视角
该论文提出了一个基于随机游走的图嵌入分析框架，包括三个组件：随机游走过程、相似性函数和嵌入算法，该框架不仅可以分类许多现有方法，而且自然地激发新方法，通过它，我们演示了改进下游任务性能的多个尺度嵌入的新方法。此外，我们还发现，基于自协方差相 - Residual2Vec: 带随机图去偏置化图嵌入
本文提出了一种名为 residual2vec 的新型图嵌入方法，通过使用随机图来去除不同结构偏见，不仅改善了链接预测和聚类性能，还允许我们在图嵌入中明确地建模突出的结构特性。
- AAAI使用弱监督图嵌入表示 Twitter 用户
本研究提出了一种基于图嵌入技术的弱监督框架来理解社交媒体用户类型，通过对推特中与健康相关的信息进行监督，我们证明了该框架在检测用户类型方面的优势，并展示了不同类型用户（从我们的数据集）的数据分析。
- 跨领域和跨系统推荐的统一框架
本文提出了一个名为 GA 的统一框架，它使用图形嵌入和注意力技术来提高所有数据集的推荐精度，包括 Dual-Target CDR，Multi-Target CDR 和 CDR+CSR，实验证明 GA 相比现有的 CDR 和 CSR 算法有更 - 基于有限知识的图嵌入模型对抗攻击框架
本文提出了一种黑盒驱动下的广义对抗攻击器 GF-Attack，它可以直接攻击图滤波器，而不需要访问标签或模型预测。作者通过将图嵌入模型形式化为具有相应图滤波器的一般图信号过程来探究图信号处理与图嵌入模型之间的理论联系，并证明 GF-Atta - KDD半监督协同注意力网络结合内外部信号实现 COVID-19 虚假推特的早期检测
本篇工作提出一种利用外生和内生信号进行早期 COVID-19 推特假新闻检测的模型 ENDEMIC，该模型利用图嵌入和上下文特征来聚合传播信息，采取半监督学习方式解决有限标注数据的挑战，最终结果更优越。
- 基于图的半监督学习：综述
本文着重阐述了基于图的半监督学习方法的各种变体及其概述、连接和发展方向。新的广义分类方法为图正则化和图嵌入方法提供了指导和最新的研究参考。
- Marius: 在单机上学习大规模图嵌入
提出了一种名为 Marius 的系统，用于在单台机器上训练大规模图的嵌入向量，利用分区缓存和缓冲区感知数据排序减少磁盘访问和优化数据移动，并在多种基准测试中表现出比现有工业系统高十倍的效率和可扩展性。