Advances in Graph Neural Networks笔记5：Dynamic Graph Neural Networks

诸神缄默不语-个人CSDN博文目录

本书网址：https://link.springer.com/book/10.1007/978-3-031-16174-2
本文是本书第五章的笔记。
懒得看了！反正我也不是做这个的。以后要是真的去做动态图了也不是没资源找，这个我懒得看了，就写一半算了，目测不会更新，如果我改做动态图而且拿到全书资源了可能会更新。

1. 动态图GNN概念介绍

捕获动态图时间演变的常用方法：将整图分割为多个snapshots，分别嵌入得到snapshot-based embeddings，用LSTM / GRU等序列模型生成表征。

动态图时间演变常包含两个动态过程：

1. the microscopic dynamics of edge establishments
2. macroscopic dynamics of network scales

2. M${}^2$DNE

基于temporal point process建模边的宏微观动态。

微观：边渐渐形成。更近的边影响更大
宏观：网络尺寸的演进遵循显著分布，如S-shaped sigmoid curve或power-law-like pattern

M${}^2$DNE

3. HPGE：动态异质图

学习所有异质动态事件的形成过程，保留语义和动态
（事件就是指某个时间点，两个节点之间多长一条边）

Heterogeneous Hawkes Process

4. DyMGNN

dynamic meta-path guided temporal heterogeneous graph modeling approach

设计dynamic meta-path and heterogeneous mutual evolution attention mechanisms，有效捕获dynamic semantics，建模mutual evolution of different semantics