Machine Learning on Dynamic Graphs: A Survey on Applications

要約

動的グラフ学習は、現実世界および科学のさまざまな領域にわたるエンティティ間の複雑な相互作用をモデル化する強力な手段を提供するため、大きな注目を集めています。
特に、グラフは、交通ネットワーク、脳ネットワーク、ソーシャル ネットワーク、インターネット ネットワークなど、さまざまなネットワークを効果的に表現するのに役立ちます。
さらに、機械学習の急速な進歩により、動的グラフの応用範囲が前述の領域を超えて拡大しました。
この論文では、動的グラフ学習のあまり研究されていないアプリケーションのレビューを紹介します。
この研究では、この分野との関連レベルが限られているものも含め、さまざまなドメインにわたる課題に対処する際に、動的グラフでの機械学習の可能性が明らかになりました。

要約(オリジナル)

Dynamic graph learning has gained significant attention as it offers a powerful means to model intricate interactions among entities across various real-world and scientific domains. Notably, graphs serve as effective representations for diverse networks such as transportation, brain, social, and internet networks. Furthermore, the rapid advancements in machine learning have expanded the scope of dynamic graph applications beyond the aforementioned domains. In this paper, we present a review of lesser-explored applications of dynamic graph learning. This study revealed the potential of machine learning on dynamic graphs in addressing challenges across diverse domains, including those with limited levels of association with the field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google