论文部分内容阅读
提出了一种循环神经网络(RNN)与图卷积网络(GCN)相结合的动态网络表征生成方法,称为RSage。RSage通过GCN采样、聚合邻居节点信息来学习归纳拓扑信息,并用RNN来学习动态网络的时序特征。该方法不仅适用于小规模动态网络,也可以扩展到大规模动态网络上表征。在3个现实世界的数据集上进行实验,评估RSage在节点分类和链接预测等任务上的性能。与其他方法相比,RSage取得了较优越的效果。