文献地址：[Subset Node Representation Learning over Large Dynamic Graphs])

代码地址：zjlxgxz/DynAnom: Codebase for KDD22 paper “Subset Node Anomaly Tracking over Large Dynamic Graphs”

现实中的动态网络规模大，传统方法计算所有顶点的表示成本过高，因为特定应用通常只关注小部分节点。本文聚焦于在大规模动态网络中，为少量目标节点高效学习动态嵌入的问题。

由于在特定应用中可能只有一小部分节点是感兴趣的，因此随时间计算所有顶点的表示成本过高。因此，在这种典型用例下，为这些大规模动态网络高效地学习动态嵌入既具有重要意义，也面临技术挑战。