本文详细介绍了异构网络嵌入（HNE）的应用，如节点分类、聚类、链接预测、推荐系统、知识图谱及可视化，并列举了常用数据集和开源代码。HNE在链接预测、推荐系统和知识图谱任务中展现出良好性能，常见的评估指标包括AUC、Precision@k和Mean Rank等。此外，文章还探讨了HNE的未来研究方向，如处理动态性、提高可解释性和处理网络偏斜问题。
接上一篇：
Heterogeneous Network Embedding异构图嵌入（1）| 编码器-解码器框架组成部分 | 基于矩阵因式分解、随机游走、AE自动编码器、图神经网络、知识图谱嵌入的HNE模型特点
重点地方，我均已 做了不同颜色标记。
一、应用领域、基准数据集、开放源代码和性能比较
本节重点介绍 HNE 的应用领域、基准数据集、开源工具和性能评估。
应用领域和评估指标
通过 HNE 技术学习到新的顶点表示后，就可以用来解决后续的各种机器学习任务。HNE 对节点分类、节点聚类、链接预测、推荐系统和可视化等各种图分析应用大有裨益（下图）。同时，表征学习的有效性 也可以通过评估它们在这些不同的后续任务中的表现来验证[12]。
HNE 的应用领域：
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
