生成对抗网络与元路径驱动的异质网络表示学习：理论、方法与应用.docxVIP

生成对抗网络与元路径驱动的异质网络表示学习：理论、方法与应用

一、引言

1.1研究背景与意义

在当今数字化时代，数据呈现出爆炸式增长，且其结构和类型愈发复杂多样。异质网络作为一种能够有效表示复杂数据的模型，在现实世界中广泛存在。从社交网络中包含用户、帖子、评论等多种类型节点及它们之间的点赞、转发、回复等不同关系，到学术领域里论文、作者、期刊、会议等对象及其引用、合作、发表等关联，再到生物信息学中蛋白质、基因、疾病等实体间的相互作用关系，异质网络无处不在。与同质网络相比，异质网络包含了丰富的结构和语义信息，能够更全面、准确地描述现实世界中的复杂系统。

然而，异质网络的复杂性也给数据分析和挖掘带