【WWW2020-香港中文大学】MAGNN:异构图嵌入的集合图神经网络

大量真实世界的图或网络本质上是异构的，涉及节点类型和关系类型的多样性。异构图嵌入是将异构图的丰富结构和语义信息嵌入到低维节点表示中。现有的模型通常定义多个metapaths在异构图捕捉复合关系和指导邻居选择。但是，这些模型要么忽略节点内容特性，要么沿着元路径丢弃中间节点，要么只考虑一个元路径。为了解决这三个局限性，我们提出了一种新的集合图神经网络模型来提高最终性能。具体来说，MAGNN使用了三个主要组件，即，节点内容转换封装输入节点属性，元内聚合合并中间语义节点，元间聚合合并来自多个元的消息。在三个真实世界的异构图数据集上进行了大量的节点分类、节点聚类和链路预测实验，结果表明MAGNN的预测结果比最先进的基线更准确。