典型文献
基于元路径的图Transformer神经网络
文献摘要：
图神经网络作为一种新的深度学习模型,被广泛运用在图数据中,并极大地推动了推荐系统、社交网络、知识图谱等应用的发展.现有的异构图神经网络通常事先定义了多条元路径来学习异构图中的复合关系.然而,这些模型通常在特征聚合步骤中只考虑单条元路径,导致模型只关注了元路径的局部结构,忽略了元路径之间的全局相关性;还有一些模型则是忽略掉了元路径的中间节点和边信息,导致模型无法学习到元路径内部的语义信息.针对以上问题,本文提出一种基于元路径的图Transformer神经网络(MaGTNN).该模型首先将异构图采样为基于元路径的多关系子图,利用提出的位置编码和边编码的方法来获取元路径中的语义信息.随后使用改进的图Transformer层计算出目标节点与其元邻居的相似度,并利用该相似度来聚合其所有的元邻居信息.在3个公开数据集的节点分类和节点聚类任务中,MaGTNN均高于最新的基准模型.
文献关键词：
异构图;异构图嵌入;元路径;图神经网络;Transformer
中图分类号：
作者姓名：
梁书晴;蒋运承
作者机构：
华南师范大学计算机学院,广州510631
文献出处：
引用格式：
[1]梁书晴;蒋运承-.基于元路径的图Transformer神经网络)[J].计算机系统应用,2022(11):1-9
A类：
MaGTNN,异构图嵌入
B类：
元路径,Transformer,图神经网络,深度学习模型,图数据,推荐系统,社交网络,常事,事先,多条,复合关系,特征聚合,单条,局部结构,全局相关性,中间节点,边信息,语义信息,图采样,子图,位置编码,邻居,公开数据集,节点分类,节点聚类
AB值：
0.314134
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。
