异构图神网络在多节点类型关系中应用与特征提取方法.pdfVIP

不是同构图的就是异构图了

点的类型多种，边的类型也多种(反正只要有一个多种的就算异构图了)

实际场景中

基本上但凡要应用基本都得是异构图，那么如何提取特征呢现在

多种关系的时候该咋办呢

关系有点乱，但是每种关系处理好自己相关的节点就可以了

基本思想就是每种关系对应一组权重参数矩阵，是啥关系用啥矩阵

HeterogeneousGraphNeuralNetworks

演员，，导演，这回咱们有三种节点以及他们之间关系也不同

首先第一个事就是meta-path（按照什么关系来寻找邻居）

基本流程

节点先attention

不同路径聚合

聚类也attention

最后输出预测

计算流程

对于每一个meta-path计算其上节点attention

首先特征映射(不管啥类型，都映射到固定维度)，然后再用GAN方法

softmax得到该meta-path下的权重分配，也就能计算当前节点如何聚合特征

注意每个meta-path要学习的向量不同

计算流程

聚合当前节点所有邻居特征（可拓展多头）

meta-path权重：

softmax：

最终节点embedding：

应用实例