Space4HGNN：一种用于评估异构图神经网络的模块化可复现新平台
机器学习
2022-05-16 v2 人工智能
摘要
异构图神经网络（HGNN）已成功应用于各种任务，但由于架构和应用场景的多样性，我们无法准确了解 HGNN 不同设计维度的重要性。此外，在 HGNN 研究社区中，实现和评估各种任务仍需大量人工努力。为缓解这些问题，我们首先提出了一个涵盖大多数 HGNN 的统一框架，由三个组件组成：异构线性变换、异构图变换和异构消息传递层。然后，我们基于该统一框架为 HGNN 定义了一个设计空间，构建了 Space4HGNN 平台，为 HGNN 提供了模块化组件、可复现的实现和标准化评估。最后，我们通过实验分析了不同设计的效果。基于所发现的见解，我们提炼出一个精简的设计空间并验证了其有效性。
引用
@article{arxiv.2202.09177,
title = {Space4HGNN: A Novel, Modularized and Reproducible Platform to Evaluate Heterogeneous Graph Neural Network},
author = {Tianyu Zhao and Cheng Yang and Yibo Li and Quan Gan and Zhenyi Wang and Fengqi Liang and Huan Zhao and Yingxia Shao and Xiao Wang and Chuan Shi},
journal= {arXiv preprint arXiv:2202.09177},
year = {2022}
}
备注
SIGIR2022