隨著圖結構化數據挖掘的興起, 超圖作為一種特殊的圖結構化數據, 在社交網絡分析、圖像處理、生物反應解析等領域受到廣泛關注. 研究者通過解析超圖中的拓撲結構與節點屬性等信息, 能夠有效解決實際應用場景中所遇到的如興趣推薦、社群劃分等問題. 根據超圖學習算法的設計特點, 將其劃分為譜分析方法和神經網絡方法, 根據方法對超圖處理的不同手段, 可進一步劃分為展開式方法和非展開式方法. 若將展開式方法用于不可分解超圖, 則很有可能會造成信息損失. 然而, 現有的超圖相關綜述文章鮮有就超圖學習方法適用于哪類超圖這一問題做出相關歸納. 因此, 分別從超圖上的譜分析方法和神經網絡方法兩方面出發, 對展開式方法和非展開式方法展開討論, 并結合其算法特性和應用場景作進一步細分; 然后, 分析比較各類算法的設計思路, 結合實驗結果總結各類算法的優缺點; 最后, 對超圖學習未來可能的研究方向進行了展望.
http://www.jos.org.cn/jos/article/abstract/6353?st=article_issue