全指标优于现有方法
动态学习节点多方面特性与时变权重，摆脱固定方面数量的假设，在多个数据集上全面超越现有算法。
Aimin, Sun · Gong, Zhiguo
IEEE Transactions on Knowledge and Data Engineering 2024
分离学习节点不同方面的表示及权重，使嵌入能适应节点在不同交互中的角色变化。
采用层次狄利克雷过程动态确定节点在不同时间的方面权重，摆脱了对方面数量的固定假设。
在八个公开数据集上显著优于当前最优算法，验证了多方面特性的有效性。