HetFS：基于异构信息网络上 ad-hoc 元路径的快速相似性搜索方法
机器学习
2025-02-27 v1 信息检索
社会与信息网络
摘要
大量现实信息网络形成具有多样化对象和关系的异构信息网络（HIN），其节点和边在异构图中表示为不同类型。节点之间的相似性用于量化两个节点间的相似程度，主要取决于它们所连接节点的相似性，递归地展开。用户可能只对相似性定义中的特定类型连接感兴趣，这些连接以元路径（meta-path）的形式表示，即节点和边类型序列。现有的异构图神经网络（HGNN）基于相似性搜索方法可能容纳元路径，但需要针对不同元路径进行重新训练。相反，现有的基于路径的方法可能灵活地在元路径之间切换，但常常因仅依赖路径信息而导致准确率较低。本文提出HetFS，一种针对异构信息网络上 ad-hoc 查询的用户给定元路径的快速相似性方法。HetFS基于路径信息提供满足元路径限制条件的相似结果，同时考虑节点内容。大量实验表明，HetFS在解决 ad-hoc 查询方面有效且高效，超过领先的HGNN和基于路径的方法，在下游应用中表现突出，包括链接预测、节点分类和聚类。
引用
@article{arxiv.2502.16288,
title = {HetFS: A Method for Fast Similarity Search with Ad-hoc Meta-paths on Heterogeneous Information Networks},
author = {Xuqi Mao and Zhenyi Chen and Zhenying He and Yinan Jing and Kai Zhang and X. Sean Wang},
journal= {arXiv preprint arXiv:2502.16288},
year = {2025}
}