超图中节点边依赖标签的分类

超图是一种由节点与超边组成的数据结构，其中每条超边是节点的任意大小子集。由于超边大小的灵活性，超图比普通图更自然且准确地刻画群体交互（例如多于两位作者的合著关系）。有趣的是，许多以超图建模的现实系统包含边依赖的节点标签，即随超边不同而变化的节点标签。例如，在合著数据集中，同一作者（即一个节点）可在一篇论文（即一条超边）中为主作者，而在另一篇论文（即另一条超边）中为通讯作者。本文引入边依赖节点标签的分类这一新问题。该问题可用作近期备受关注的超图神经网络的基准任务，且边依赖节点标签的有用性已在多种应用中得到验证。为应对此问题，我们提出 WHATsNet，一种新颖的超图神经网络，它通过反映节点在各超边中变化的重要性，对参与不同超边的同一节点予以不同表示。为此，WHATsNet 利用节点相对中心性作为位置编码，建模每条超边内节点间的关系。实验中，我们在六个真实超图上证明 WHATsNet 显著且稳定地优于十个对比方法，并展示了其在（a）排序聚合、（b）节点聚类与（c）商品退货预测上的成功应用。