PersonaSAGE:一种多角色图神经网络
机器学习
2022-12-29 v1 社会与信息网络
摘要
图神经网络(GNNs)因其在许多重要下游应用上的最优性能,近年来变得愈发重要。现有GNN大多聚焦于学习单一节点表示,尽管一个节点在不同语境中常表现出多义性行为。本工作中,我们开发了称为PersonaSAGE的基于角色的图神经网络框架,为图中每个节点学习多个基于角色的嵌入。这种解耦的表示比单一嵌入更具可解释性与实用性。此外,PersonaSAGE为图中每个节点学习恰当的角色嵌入集合,且每个节点可拥有不同数量的指定角色嵌入。该框架足够灵活,其通用设计有助于所学嵌入在适配领域上的广泛适用性。我们利用公开基准数据集评估我们的方法并与多种基线比较。实验证明了PersonaSAGE在包括链接预测在内的多种重要任务上的有效性,其中我们取得了平均15%的提升,同时在节点分类上保持竞争力。最后,我们还通过某数据管理平台中不同实体类型的个性化推荐案例研究展示了PersonaSAGE的实用性。
引用
@article{arxiv.2212.13709,
title = {PersonaSAGE: A Multi-Persona Graph Neural Network},
author = {Gautam Choudhary and Iftikhar Ahamath Burhanuddin and Eunyee Koh and Fan Du and Ryan A. Rossi},
journal= {arXiv preprint arXiv:2212.13709},
year = {2022}
}
备注
10 pages, 6 figures, 7 tables