图嵌入模型综述

图分析用于深入挖掘图数据的内在特征,然而图作为非欧几里德数据,传统的数据分析方法普遍存在较高的计算量和空间开销。图嵌入是一种解决图分析问题的有效方法,其将原始图数据转换到低维空间并保留关键信息,从而提升节点分类、链接预测、节点聚类等下游任务的性能。与以往的研究不同,同时对静态图和动态图嵌入文献进行全面回顾,提出一种静态图嵌入和动态图嵌入通用分类方法,即基于矩阵分解的图嵌入、基于随机游走的图嵌入、基于自编码器的图嵌入、基于图神经网络(GNN)的图嵌入和基于其他方法的图嵌入。其次,对静态图和动态图方法的理论相关性进行分析,对模型核心策略、下游任务和数据集进行全面总结。最后,提出了四个图嵌入的潜在研究方向。

从“A”到“Z”:英国网络诈骗犯罪的分类与治理

英国是高度发达的资本主义国家,其长期居于全球金融中心的地位,各类社会经济活动向来较为活跃。近年来,随着信息网络通讯、移动互联网等技术在英国的迅猛发展,英国社会的诸多领域面临深刻变革。各类新型犯罪行为不断衍生、蔓延,呈现了非接触式、信息技术化、信息迷惑性等特点,其中,以网络诈骗犯罪为代表的新型侵财犯罪尤为突出。英国《每日邮报》日前报道,英国每年因各类诈骗造成的损失达30亿英镑,且人均损失远远超过其他西方发达经济体,《每日邮报》愤怒地将英国称作世界“诈骗之都”。