arrow
返回

Continual graph learning: A survey

delete2026-03-23
delete0
PRE
AI
Q
Qiao Yuan
S
Sheng-Uei Guan *
P
Pin Ni
T
Tianlun Luo
P
Prudence W. H. Wong
V
Victor Chang
K
Ka Lok Man
DOI:10.1016/j.patcog.2026.113600delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
• 对CGL文献进行深入分析,并进行广泛的实证比较。 • 在五个数据集、两个GNN骨干网络和两种持续学习设置下,评估十种代表性方法的有效性和效率。 • 列出代表性数据集和开源实现,以保障可复现性。 • 提出一种实用的持续图学习方法开发路线图。
Keyword:
Continual graph learning
Graph neural networks
Empirical benchmarking
Reproducibility
Methodology roadmap

期刊

Pattern Recognition 封面图
Pattern Recognition
IF:
7.6
论文数:
1.3W
被引数:
4.5W

机构

A
Aston University
学者数:
4.8K
论文数: 5.6K
被引数: 8.8K
U
university college london
学者数:
8.9K
论文数: 4.8K
被引数: 1
X
Xian Jiaotong Liverpool University
学者数:
202
论文数: 93
被引数: 0
U
University of Liverpool
学者数:
2.8W
论文数: 2.5W
被引数: 3.5W
学者 查看更多机构
引用论文

引用论文

暂无论文信息