IMPA-HGAE：基于内元路径增强的异构图自编码器
机器学习
2025-06-10 v1 人工智能
摘要
自监督学习（SSL）方法因其卓越的泛化能力和低标注成本而日益被应用于各种下游任务。然而，大多数现有异构图 SSL 模型通过元路径将异构图转换为均质图进行训练，仅利用元路径两端节点的信息，未充分利用沿元路径中异构节点信息。为此，本文提出一种名为 IMPA-HGAE 的新型框架，通过充分挖掘沿元路径中内部节点信息来增强目标节点嵌入。实验结果表明，IMPA-HGAE 在异构数据集上实现卓越的性能。此外，本文引入创新的掩码策略，以强化生成式 SSL 模型在异构图数据上的表征能力。本文还讨论了该方法的可解释性以及面向异构图生成式自监督学习的潜在未来方向。本工作为在复杂图场景中利用由元路径引导的结构语义进行稳健表征学习提供了见解。
引用
@article{arxiv.2506.06809,
title = {IMPA-HGAE:Intra-Meta-Path Augmented Heterogeneous Graph Autoencoder},
author = {Di Lin and Wanjing Ren and Xuanbin Li and Rui Zhang},
journal= {arXiv preprint arXiv:2506.06809},
year = {2025}
}