ISHNE：面向异构网络嵌入的影响力自注意力模型
社会与信息网络
2022-07-13 v1
摘要
近年来，图神经网络因在建模网络宏观结构与单节点属性等网络特征方面的巨大潜力而受到学术界的广泛关注。然而，以往的主流工作主要聚焦于同构网络，缺乏刻画网络异构特性的能力。此外，多数已有文献无法在微观视角下对影响力进行建模，导致难以刻画多种关系类型内部异构性与相互作用之间的联合关系。本文提出一种影响力自注意力网络以解决上述困难。为建模异构性与相互作用，我们在单类型关系层面上以影响因子重新设计注意力机制，基于相同元路径模式从其相邻邻居中学习重要性系数。为将异构元路径纳入统一维度，我们根据学习到的元路径系数开发了基于自注意力的元路径关系融合框架。实验结果表明，我们的框架不仅取得了优于当前最先进（SOTA）基线的结果，而且在刻画复杂网络结构下的异构交互关系方面展现出良好前景。
引用
@article{arxiv.2103.00118,
title = {ISHNE: Influence Self-attention for Heterogeneous Network Embedding},
author = {Yang Yan and Qiuyan Wang},
journal= {arXiv preprint arXiv:2103.00118},
year = {2022}
}