通过关系嵌入使同构 GNN 能够处理异构图
机器学习
2023-11-23 v2
摘要
图神经网络（GNNs）已通过多种方法推广至处理异构图。遗憾的是，这些方法通常通过各类复杂模块来建模异质性。本文旨在提出一种简单而有效的框架，赋予同构 GNN 充分能力以处理异构图。具体而言，我们提出基于关系嵌入的图神经网络（RE-GNN），其仅为每种关系使用一个参数来嵌入不同类型关系的重要性以及节点类型特定的自环连接。为同时优化这些关系嵌入与模型参数，提出一种梯度缩放因子以约束嵌入收敛至合适值。此外，我们从两个角度对提出的 RE-GNN 进行解读，并从理论上证明我们的 RE-GCN 比 GTN（一种典型异构图神经网络，可自适应生成元路径）具有更强的表达能力。大量实验表明，我们的 RE-GNN 能够高效且有效地处理异构图，并可应用于多种同构 GNN。
引用
@article{arxiv.2209.11414,
title = {Enabling Homogeneous GNNs to Handle Heterogeneous Graphs via Relation Embedding},
author = {Junfu Wang and Yuanfang Guo and Liang Yang and Yunhong Wang},
journal= {arXiv preprint arXiv:2209.11414},
year = {2023}
}