基于多双曲空间的异构图注意力网络
机器学习
2025-06-23 v1 人工智能
摘要
为了利用异构图中的复杂结构，近期关于异构图嵌入的研究使用了双曲空间，该空间具有恒定的负曲率和指数级增长的空间，这与异构图的结构特性相符。然而，尽管异构图天生具有多样的幂律结构，大多数双曲异构图嵌入模型对整个异构图使用单一的双曲空间，这可能无法有效捕获异构图内多样的幂律结构。为了解决这一局限，我们提出了基于多双曲空间的异构图注意力网络（MSGAT），它使用多个双曲空间来有效捕获异构图内多样的幂律结构。我们进行了全面的实验来评估 MSGAT 的有效性。实验结果表明，MSGAT 在各种图机器学习任务中优于最先进的基线方法，有效捕获了异构图的复杂结构。
引用
@article{arxiv.2411.11283,
title = {Multi-Hyperbolic Space-based Heterogeneous Graph Attention Network},
author = {Jongmin Park and Seunghoon Han and Jong-Ryul Lee and Sungsu Lim},
journal= {arXiv preprint arXiv:2411.11283},
year = {2025}
}
备注
Accepted in IEEE ICDM 2024