典型文献
基于元图卷积的异质网络嵌入学习算法
文献摘要：
异质网络嵌入是将异质网络中丰富的结构和语义信息嵌入到低维的节点表示中.图卷积网络是处理网络数据的一种有效方法,当前也被用于研究异质网络的多类型节点和多维关系的表示问题,现有的图卷积网络模型主要采用元路径来表示不同类型节点间的一种语义关系.然而,孤立的单条元路径无法准确地反映节点间的复杂语义,即不能充分利用节点间存在的多种高阶间接语义关系.针对上述问题,提出了一种基于元图卷积的异质网络嵌入学习算法MGCN(meta-graph convolutional network),包括基于元图的异构邻接矩阵计算以及学习节点的嵌入表示2个阶段,基于元图的异构邻接矩阵设计了融合多条元路径上的不同语义的计算方法,能够挖掘节点间的高阶间接关系,通过异构邻接矩阵的计算,能够聚合节点邻域特征为统一模式,此种卷积学习降低了图卷积方法的嵌入维数,从而减少了计算时间.在2个公开的异质网络数据集上进行社会计算基础研究任务的实验表明,MGCN在节点分类、聚类任务上比基线模型有更好的性能且需更少的训练时间.
文献关键词：
异质网络嵌入;图卷积神经网络;元图;异构邻接矩阵;高阶间接关系
中图分类号：
作者姓名：
任嘉睿;张海燕;朱梦涵;马波
作者机构：
宁夏大学信息工程学院 银川 750021;宁夏财经职业技术学院 银川 750021
文献出处：
引用格式：
[1]任嘉睿;张海燕;朱梦涵;马波-.基于元图卷积的异质网络嵌入学习算法)[J].计算机研究与发展,2022(08):1683-1693
A类：
异质网络嵌入,语义信息嵌入,MGCN,异构邻接矩阵,高阶间接关系
B类：
元图,嵌入学习,低维,节点表示,图卷积网络,网络数据,究异,多类型,多维关系,元路径,语义关系,单条,meta,graph,convolutional,network,矩阵计算,嵌入表示,多条,邻域特征,嵌入维数,计算时间,社会计算,研究任务,节点分类,比基,基线模型,训练时间,图卷积神经网络
AB值：
0.222939
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
