Meta-node：一种学习异构图复杂关系的简洁方法
机器学习
2022-10-27 v1 人工智能
社会与信息网络
摘要
现有的异构图消息传递神经网络依赖于元路径或元图的概念，这是由异构图的内在性质决定的。然而，元路径和元图在学习前需要进行预配置，且高度依赖专家知识来构建。为了应对这一挑战，我们提出了一种新颖的元节点概念用于消息传递，该概念通过显式建模同类型节点之间的关系，能够从复杂的异构图中学习丰富的关系知识，而无需任何元路径和元图。与元路径和元图不同，元节点不需要任何依赖专家知识的预处理步骤。进一步地，我们提出了一种元节点消息传递方案，并将我们的方法应用于对比学习模型。在节点聚类和分类任务的实验中，所提出的元节点消息传递方法优于依赖元路径的 state-of-the-arts 方法。我们的结果表明，无需该领域常用的元路径即可实现有效的异构图学习。
引用
@article{arxiv.2210.14480,
title = {Meta-node: A Concise Approach to Effectively Learn Complex Relationships in Heterogeneous Graphs},
author = {Jiwoong Park and Jisu Jeong and Kyungmin Kim and Jin Young Choi},
journal= {arXiv preprint arXiv:2210.14480},
year = {2022}
}