大多数实际系统由大量相互作用的、多类型的组件组成,而大多数当代研究将它们建模为同构的信息网络,没有区分网络中不同类型的对象和链接。近年来,越来越多的研究者开始将这些相互联系、多类型的数据视为异构信息网络(HIN),并利用网络中对象和链接结构类型的丰富语义,开发结构化分析方法。此外,近年来在深度学习和网络嵌入方面的进展给HIN挖掘带来了新的机遇和挑战,异构网络嵌入,甚至异构图神经网络也成为热点。在本教程中,我们将介绍异构信息网络分析的最新发展,特别是新出现的异构网络嵌入。

教程资料

  • 第一部分:介绍
  • 第二部分:基于元路径的数据挖掘
  • 第三部分:异构信息网路嵌入
  • 第四部分:应用
  • 第五部分:结论与未来工作

参考资料列表

    1. Yizhou Sun, Jiawei Han, Xifeng Yan, Philip S. Yu, Tianyi Wu. PathSim: Meta Path-Based Top-k Similarity Search in Heterogeneous Information Networks. VLDB Endowment, vol.4 pp. 992-1003, 2011
    1. Yizhou Sun, Yintao Yu, Jiawei Han. Ranking-Based Clustering of Heterogeneous Information Networks with Star Network Schema. KDD 2009: 797-806.
    1. Huang Z, Zheng Y, Cheng R, et al. Meta structure: Computing relevance in large heterogeneous information networks. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 2016: 1595-1604.
    1. YuXiao Dong, Nitesh V. Chawla, Ananthram Swami. Metapath2vec: Scalable Representation Learning for Heterogeneous Networks. KDD 2017.
    1. Jiezhong Qiu, Yuxiao Dong, Hao Ma, Jian Li, Kuansan Wang, Jie Tang. Network Embedding as Matrix Factorization: Unifying DeepWalk, LINE, PTE, and node2vec. WSDM 2018.
    1. Tao-yang Fu, Wang-Chien Lee, Zhen Lei. HIN2vec: Explore Meta-paths in Heterogeneous Information Networks for Representation Learning. CIKM 2017.
    1. Binbin Hu, Chuan Shi, Xin Zhao, Philip S. Yu. Leveraging Meta-path based Context for Top-N Recommendation with A Neural Co-Attention Model. KDD 2018
    1. Chuan Shi, Xiangnan Kong, Yitong Li, Philip S. Yu, Bin Wu. HeteSim: A General Framework for Relevance Measure in Heterogeneous Networks, IEEE Transactions on Knowledge and Data Engineering, 2014.
    1. Chuan Shi, Philip S. Yu. Heterogeneous Information Network Analysis and Applications. Springer. ISBN 978-3-319-56211-7. 2017.
    1. Chuan Shi, Yitong Li, Jiawei Zhang, Yizhou Sun, Philip S. Yu. A survey on Heterogeneous Information Network Analysis. IEEE Transactions on Knowledge and Data Engineering, 29(1), 17-37, 2017.
    1. Shaohua Fan, Junxiong Zhu, Xiaotian Han, Chuan Shi, Linmei Hu, Biyu Ma, Yongliang Li Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation. KDD2019
    1. Binbin Hu, Yuan Fang, Chuan Shi. Adversarial Learning on Heterogeneous Information Networks. KDD 2019
    1. Chuan Shi, Binbin Hu, Wayne Xin Zhao, Philip S. Yu. Heterogeneous Information Network Embedding for Recommendation. IEEE Transactions on Knowledge and Data Engineering, 2018.
    1. Xiao Wang, Houye Ji, Chuan Shi, et al. Heterogeneous Graph Attention Network. WWW 2019.
    1. Binbin Hu, Zhiqiang Zhang, Chuan Shi, Jun Zhou, Xiaolong Li, Yuan Qi. Cash-out User Detection based on Attributed Heterogeneous Information Network with a Hierarchical Attention Mechanism. AAAI 2019.
    1. Yuanfu Lu, Chuan Shi, Linmei Hu, Zhiyuan Liu. Relation Structure-Aware Heterogeneous Information Network Embedding. AAAI 2019.
成为VIP会员查看完整内容
28

相关内容

异构信息网络 (Hetegeneous Information Network 以下简称 HIN),是由 UIUC 的 Han Jiawei 和 UCLA 的 Sun Yizhou 在 2011 年的 VLDB 论文中首次提出。
最新《深度多模态数据分析》综述论文,26页pdf
专知会员服务
298+阅读 · 2020年6月16日
WSDM 2020教程《深度贝叶斯数据挖掘》,附257页PPT下载
专知会员服务
156+阅读 · 2020年2月7日
近期必读的5篇 WSDM 2020【图神经网络(GNN)】相关论文
专知会员服务
56+阅读 · 2020年1月10日
内涵网络嵌入:Content-rich Network Embedding
我爱读PAMI
4+阅读 · 2019年11月5日
Graph Neural Network(GNN)最全资源整理分享
深度学习与NLP
339+阅读 · 2019年7月9日
KDD 18 & AAAI 19 | 异构信息网络表示学习论文解读
PaperWeekly
21+阅读 · 2019年2月25日
人工智能领域顶会IJCAI 2018 接受论文列表
专知
5+阅读 · 2018年5月16日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
A Survey of Deep Learning for Scientific Discovery
Arxiv
29+阅读 · 2020年3月26日
Arxiv
35+阅读 · 2020年1月2日
Arxiv
20+阅读 · 2019年11月23日
Heterogeneous Deep Graph Infomax
Arxiv
12+阅读 · 2019年11月19日
Arxiv
6+阅读 · 2017年12月2日
VIP会员
微信扫码咨询专知VIP会员