账号登录
许多现实世界中的系统可以用时变网络来表达，节点在结构和功能上扮演不同的角色。识别关键节点可以帮助我们控制舆论或流行病的传播，预测学术界的领军人物，为各种商品做广告宣传等等。然而，由于时变网络中的网络结构会随着时间的推移而变化，因此很难识别关键节点。该论文考虑到时变网络的序列拓扑信息，提出了一种基于特殊图卷积和长短期记忆网络（LSTM）相结合的有效学习框架，以识别具有最佳传播能力的节点。设计的图卷积网络将节点嵌入到每个加权快照序列中，根据时序嵌入特征，利用LSTM预测时变网络中节点在未来的重要性。
微信公众号
