图嵌入/图神经网络模型整理归类_网络嵌入属于神经网络吗

参考：Wu Z, Pan S, Chen F, et al. A comprehensive survey on graph neural networks. arXiv 2019[J]. arXiv preprint arXiv:1901.00596.

本文是对上面论文内容的粗糙罗列，详细请移步原文

introduction：图很有用，学术研究很火热
简单分类：图嵌入和图神经网络。

常用符号定义：

网络嵌入与图神经网络

wuzonghan等人将网络network与GNN区别看待，他们认为网络嵌入旨在表示网络顶点到一个低维向量空间,通过保留网络拓扑结构和节点内容信息，以便任何后续图分析任务,如分类、聚类、推荐可以很容易地使用简单的现成的机器学习算法(例如,支持向量机分类)执行。
也确实，通常意义上的NE的工作是节点到特征向量，而图神经网络是端到端的去做分类等任务，只是中间过程产出了特征向量。加上近来图神经网络尤其是图卷积神经网络的研究热潮，一般会把图嵌入与图神经网络分开来谈。

模型整理归类

许多网络嵌入算法是典型的无监督算法，它们可以大致分为三组[33]，即、矩阵因子分解[39]、[4