通过双重层次注意力网络学习双类型多关系异质图
机器学习
2022-02-01 v3 人工智能
摘要
双类型多关系异质图(BMHG)是实践中最常见的图之一，例如学术网络、电商用户行为图和企业知识图。如何学习每个节点的数值表示以刻画细微结构是一个关键且具有挑战的问题。然而，多数先前研究将 BMHG 中所有节点关系视为同一类关系，未区分双类型节点的类内关系与类间关系的不同特征，导致显著结构信息的丢失。为解决此问题，我们提出一种基于双类型多关系异质图的新型双重层次注意力网络(DHAN)，在层次机制下通过类内与类间基于注意力的编码器学习全面节点表示。具体而言，前者聚合来自同类型节点的信息，后者聚合来自不同类型邻居的节点表示。此外，为充分建模 BMHG 中节点多关系信息，我们采用新提出的层次机制。如此，所提出的双重层次注意力操作使模型能充分捕获双类型多关系异质图的复杂结构。在多种任务上对比最先进方法的实验结果充分确认了 DHAN 在 BMHG 上学习节点表示的能力。
引用
@article{arxiv.2112.13078,
title = {Learning Bi-typed Multi-relational Heterogeneous Graph via Dual Hierarchical Attention Networks},
author = {Yu Zhao and Shaopeng Wei and Huaming Du and Xingyan Chen and Qing Li and Fuzhen Zhuang and Ji Liu and Gang Kou},
journal= {arXiv preprint arXiv:2112.13078},
year = {2022}
}
备注
11 pages, 8 figures and 4 tables