图在许多应用中被广泛用于表示复杂数据，如电子商务、社交网络和生物信息学。高效、有效地分析图数据对于基于图的应用程序非常重要。然而，大多数图分析任务是组合优化(CO)问题，这是NP困难。最近的研究集中在使用机器学习(ML)解决基于图CO问题的潜力上。使用基于ML的CO方法，一个图必须用数值向量表示，这被称为图嵌入。在这个调查中，我们提供了一个全面的概述，最近的图嵌入方法已经被用来解决CO问题。大多数图嵌入方法有两个阶段:图预处理和ML模型学习。本文从图预处理任务和ML模型的角度对图嵌入工作进行分类。此外，本文还总结了利用图嵌入的基于图的CO方法。特别是，图嵌入可以被用作分类技术的一部分，也可以与搜索方法相结合来寻找CO问题的解决方案。最后对未来的研究方向做了一些评论。

https://arxiv.org/abs/2008.12646

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“CO40” 可以获取《最新《图嵌入组合优化》综述论文，40页pdf》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源