最新深度学习社区发现综述论文,

作者：XingSu

单位：麦考瑞大学

研究方向：人工智能与数据科学

社区发现能够揭示各类网络中成员的特征与联系，在网络分析中具有重要意义。近年来，深度学习技术在发现社区结构时，以处理高维数据的优势得到了显著的发展。

本文将为大家介绍一篇年最新深度学习社区发现综述。该综述囊括了基于深度学习的社区发现最新方法，并将其分为六大类：基于卷积网络的方法、基于图注意力网络(GAT)的方法、基于生成对抗网络(GAN)的方法、基于自动编码器(AE)的方法、基于深度非负矩阵分解(DNMF)的方法、基于深度稀疏滤波(DSF)的方法。此外，该综述总结了相应的基准数据集、评估指标和开源代码，概述了深度社区发现在不同领域的实际应用场景。最后，作者讨论了深度学习为社区发现问题所带来的各种机遇与挑战，建议了十二个未来研究方向。

论文

转载请注明：http://www.shijichaoguyj.com/wxnr/11341.html