近日，2021级硕士生周伟（导师陆枫副教授）的论文“Temporal Heterogeneous Information Network Embedding via Semantic Evolution”被 IEEE Transactions on Knowledge and Data Engineering (TKDE) 期刊录用。

现实世界中的网络通常是异质的，且随着时间不断变化，而网络的演化模式揭示了网络的发展趋势，对于网络未来状态的预测至关重要。但是，之前的方法仅关注元路径实例或节点邻居等语义单元对网络演化的影响，而忽略了语义单元之间深层次的语义信息。为了解决这一问题，论文提出了一种考虑语义演化模式的时序异质网络嵌入方法——SemE。首先，对于每一条预先设置的元路径，SemE将其对应的语义单元抽象为节点，并通过星型拓扑结构以及它们之间的联系构建语义网络，从而发掘语义单元之间深层次的语义信息。其次，语义信息在异质网络中尤其重要，因此SemE通过注意力-霍克斯过程建模节点的语义演化模式，同时捕获了网络中的语义和时序信息。最后，SemE通过注意力机制聚合网络中的结构、语义和时序信息，并针对具体的下游任务进行训练。实验证明SemE能有效地描述节点的语义演化模式，且相较于最先进的方法性能最大提升超过5%。

IEEE Transactions on Knowledge and Data Engineering是知识发现和数据挖掘领域最权威的国际学术期刊之一，属于中国计算机学会CCF A类期刊，影响因子为9.235。

（通讯员：周伟）