r-GAT：面向多关系图的关联图注意力网络
人工智能
2021-09-14 v1 计算与语言
机器学习
摘要
图注意力网络（GAT）仅关注建模简单的无向单关系图数据。这限制了它处理更通用和复杂的多关系图的能力，这类图包含具有不同标签有向链接的实体（例如知识图）。因此，直接将 GAT 应用于多关系图会导致次优解。为解决这个问题，我们提出 r-GAT，一种用于学习多通道实体表示的关联图注意力网络。具体而言，每个通道对应实体的一个潜在语义方面。这使我们能够使用关系特征聚合当前方面的邻域信息。我们进一步提出用于后续任务的查询感知注意力机制以选择有用方面。在链接预测和实体分类任务上的大量实验表明，我们的 r-GAT 能有效建模多关系图。此外，我们通过案例研究展示了我们方法的可解释性。
引用
@article{arxiv.2109.05922,
title = {r-GAT: Relational Graph Attention Network for Multi-Relational Graphs},
author = {Meiqi Chen and Yuan Zhang and Xiaoyu Kou and Yuntao Li and Yan Zhang},
journal= {arXiv preprint arXiv:2109.05922},
year = {2021}
}