抱歉，如果这是一个新手问题，我不是数据科学专家，所以这就是问题所在：

我们有一个有向加权图，其较高或较低的权重值并不意味着边缘的重要性（因此最好嵌入算法不应该认为较高的权重更重要），它们仅用于暗示事件的时间它连接节点，所以较高的加权边是在较低的边之后发生的事件。

节点之间可以有多个边，我想使用深度学习进行二进制分类，这意味着我的模型将嵌入的图向量作为输入并决定它是否是恶意的（1）或不是（0）。

那么对于这项任务，可以从图中捕获尽可能多的信息的最先进的图嵌入算法是什么？我阅读了一些图形嵌入论文，但由于有很多新论文，因此找不到它们的任何好的比较。

重要提示：我在一些图嵌入算法中看到的一个问题是，它们尝试使用较小的向量维度，因为我猜它们用于有很多节点的字段中，因此它们需要这样做，但是在这个任务中它并不重要，节点是程序中的函数，它们很少超过 2000 个函数，所以即使算法创建 20k 维也没问题，我这么说是因为一些算法我正在阅读将产生一个向量，与图中的节点数相比，它的维数甚至更低！在我看来，这会导致信息丢失。总而言之，性能和大向量大小在我的任务中不是问题。所以最好算法应该从图中收集尽可能多的信息。