论文标题：A survey of dynamic graph neural networks

期刊：Frontiers of Computer Science

作者：Yanping ZHENG, Lu YI, Zhewei WEI

发表时间：23 Apr 2024

DOI：10.1007/s11704-024-3853-2

微信链接：点击此处阅读微信文章

FCS“优秀青年计算机科学家论坛”于2019年启动，以尊重科学贡献、传播更多优秀成果为宗旨。论坛作者审视自己的研究领域，介绍研究方向和研究进展。本论坛所有文章均为特邀稿件。

本期“优秀青年计算机科学家论坛”推出中国人民大学魏哲巍教授团队的成果——动态图神经网络综述。

作者简介

魏哲巍，教授，博导，入选国家高层次青年人才，担任新一代智能搜索与推荐教育部工程研究中心副主任。2008年本科毕业于北京大学数学科学学院，2012年博士毕业于香港科技大学计算机系。研究方向为图计算与图学习、数据流算法与学习。在SIGMOD/KDD/ICML/STOC等顶级会议及期刊发表论文80余篇，并获得数据库理论会议PODS2022时间检验奖、2023年世界人工智能大会青年优秀论文提名奖。主持自然科学基金重点项目、科技部2030人工智能重大项目课题。

引用格式：

Yanping ZHENG, Lu YI, Zhewei WEI. A survey of dynamic graph neural networks. Front. Comput. Sci., 2025, 19(6): 196323

阅读原文：

文章介绍

近年来，图神经网络作为建模非结构化数据的强有力工具引起学术界和工业界的广泛关注。随着图神经网络研究的深入，越来越多学者开始关注动态图。动态图，顾名思义，是会随着时间发生结构、属性变化的网络。相比静态图，动态图是对真实世界网络更为精确的建模，极具研究意义。

此综述详尽地介绍了近年来动态图神经网络的研究进展，包括动态图神经网络的基本概念、重要技术以及已有的动态图神经网络工作。首先该综述依据时间信息的粒度将动态图划分为离散动态图和连续动态图。离散动态图包含多个不同时间节点的图快照，每个图快照即一个静态图。而连续动态图中，每个动态事件（如新增边、删除节点等）都有一个时间戳，详细地刻画了图结构变化的全过程。

根据上述分类方法，该综述全面地介绍了已有的动态图神经网络模型的优缺点，并将所有模型抽象成三种统一的框架，包括离散动态图的栈式模型(stacked dynamic GNN)和嵌入模型(integrated dynamic GNN)以及连续动态图模型。该综述还针对大规模动态图相关的模型和系统做了介绍和分析，并总结已有的动态图数据集、评测框架，讨论了一些最新的研究方向和未来可能的研究方向。

期刊简介

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办，南京大学支持，SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐B类期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”；两次入选“中国科技期刊卓越行动计划”（一期梯队、二期领军）。

中国学术前沿期刊网

http://journal.hep.com.cn