语义树上的异构图神经网络
机器学习
2025-04-15 v2 社会与信息网络
摘要
近年来，人们对异构图神经网络（HGNN）的兴趣日益增加，因为许多现实世界的图本质上是异构的，从引文图到电子邮件图。然而，现有方法忽略了由不同节点类型和关系类型自然构成的元路径之间的树层次结构。在本文中，我们提出了HetTree，一种新颖的HGNN，它以可扩展且有效的方式对图结构和异构方面进行建模。具体地，HetTree构建了一个语义树数据结构来捕获元路径之间的层次结构。为了有效编码语义树，HetTree使用一种新颖的子树注意力机制来强调在编码父子关系时更有帮助的元路径。此外，HetTree提出了仔细匹配预计算特征和对应标签的方法，构成完整的元路径表示。我们在各种真实世界数据集上对HetTree的评估表明，它在开放基准测试中优于所有现有基线，并且可以高效扩展到具有数百万节点和边的大型真实世界图。
引用
@article{arxiv.2402.13496,
title = {Heterogeneous Graph Neural Network on Semantic Tree},
author = {Mingyu Guan and Jack W. Stokes and Qinlong Luo and Fuchen Liu and Purvanshi Mehta and Elnaz Nouri and Taesoo Kim},
journal= {arXiv preprint arXiv:2402.13496},
year = {2025}
}
备注
Accepted at AAAI 2025