Code：超图表征学习综述，大量软件库

文章预览

A Survey on Hypergraph Representation Learning 超图表征学习综述 https://dl.acm.org/doi/10.1145/3605776 摘要 超图近年来因其在自然建模方面具有灵活性而越来越受到关注，它们能够很好地表示相互作用部分之间存在的高阶关系的各种系统。本调查回顾了新出现的 超图表示学习问题 ，其目标是学习一个函数， 将输入超网络中的对象——最常见的是节点——投影到一个潜在空间中，以便编码并保留网络的结构和关系属性 。我们提供了现有文献的全面概述，并提出了一种新的超图嵌入方法的 分类法，通过识别三个主要技术家族：谱方法、保持邻近性的和（深度 ）神经网络。对于每个家族，我们描述了它们的特点，并在我们单一但灵活的框架中提供了我们的见解，然后讨论了各个方法的特殊性以及它们的优缺点。然后，我们回顾了通常使用超图嵌入的 主要任务、数据 ………………………………