动态异构图表示学习：综述

该研究对动态异构图表示学习进行了系统性综述，涵盖节点、边及属性随时间演化的建模方法。文章总结了从静态图到动态图的范式转变，重点分析了异构图结构下的信息传播机制与时序依赖建模技术。核心内容包括基于注意力机制的动态更新策略、多源异构数据融合算法以及面向实时推理的轻量化表示方案。综述还对比了主流模型架构（如 Temporal Graph Networks 与 Dynamic Heterogeneous GNNs）在节点分类、链接预测及异常检测等任务上的性能表现，并探讨了当前研究在因果推断与可解释性方面的挑战与未来方向。