【KDD2021】部分对齐图卷积网络的跨网络学习

图神经网络被广泛应用于对图数据的许多下游任务的节点表示的学习。现有的模型是为单个图上的节点设计的，因此无法利用跨多个图的信息。现实世界中确实存在多个图，其中的节点通常是部分对齐的。例如，尽管知识图谱可能具有不同的关系模式，但它们共享许多命名实体;出版物和获奖项目的协作网络共享一些分别是作者和研究者的研究节点;人们使用多种网络服务，购物，推特，电影评级，有些人可能在不同平台注册相同的电子邮件帐户。在本文中，我提出了部分对齐的图卷积网络来学习跨模型的节点表示。我研究了多种方法(包括模型共享、正则化和对齐重建)以及理论分析，以在(小)组部分对齐的节点上积极转移知识。在真实知识图谱和协作网络上的大量实验表明，我们提出的方法在关系分类和链接预测方面具有优越的性能。

https://www.zhuanzhi.ai/paper/078477a41cf37054143757ec71319360