聚合高階鄰居節(jié)點(diǎn)的異構(gòu)圖神經(jīng)網(wǎng)絡(luò)模型研究

摘要： 降低異構(gòu)圖的語義和結(jié)構(gòu)信息至低維空間，是解決異構(gòu)圖數(shù)據(jù)難以高效輸入機(jī)器學(xué)習(xí)算法的關(guān)鍵問題.然而，現(xiàn)有的異構(gòu)圖神經(jīng)網(wǎng)絡(luò)選擇忽視高階鄰居節(jié)點(diǎn)，避免學(xué)習(xí)復(fù)雜的結(jié)構(gòu)信息.因此，本文提出一種聚合高階鄰居節(jié)點(diǎn)的異構(gòu)圖神經(jīng)網(wǎng)絡(luò)模型(HONG).首先提出了基于元路徑的高階鄰居子圖和面向異構(gòu)圖的池化層HetRepPool,采用GCN學(xué)習(xí)復(fù)雜的結(jié)構(gòu)信息；其次采用HAN學(xué)習(xí)基于元路徑的語義信息；最后...