dyngraph2vec: Capturing network dynamics using dynamic graph representation learning

Learning graph representations is a fundamental task aimed at capturing various properties of graphs in vector space. The most recent methods learn such representations for static networks. However, real-world networks evolve over time and have varying dynamics. Capturing such evolution is key to pr...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Knowledge-based systems Ročník 187; s. 104816
Hlavní autoři:	Goyal, Palash, Chhetri, Sujit Rokka, Canedo, Arquimedes
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Amsterdam Elsevier B.V 01.01.2020 Elsevier Science Ltd
Témata:	Datasets Dynamics Efficacy Embedding Evolution Graph embedding applications Graph embedding techniques Graph representations Graphical representations Graphs Learning Machine learning Networks Performance prediction Predictions Property Python graph embedding methods GEM library Recurrent Stochastic models Python graph embedding methods GEM library Graph embedding applications Graph embedding techniques
ISSN:	0950-7051, 1872-7409
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!