融合路径优化的异构图神经网络算法

摘要

图神经网络作为处理图结构数据的一种有效方法，可以有效抽取异构图中的复杂结构与语义信息，在节点分类和连接预测任务上取得了优异表现.然而现有异构图神经网络算法忽略元路径下各个节点类型之间的相关性，导致在语义融合、更新时丢失邻域结构特征信息，从而影响模型整体性能.为解决该问题，提出融合路径优化的异构图神经网络算法.首先用特征传播使所有类型节点获得属性特征；其次通过元路径实例得到节点中心性信息；随后采用优化相似度计算不同类型节点贡献程度，学习异构图语义信息；最后提出路径优化策略进行多层训练，捕获节点之间潜在关联，获得节点嵌入表示.在ACM、IMDB和DBLP数据集上进行广泛实验，并与当前主流算法进行对比分析，实验结果证明了该方法的有效性.

关键词

异构图 / 图神经网络 / 元路径 / 路径优化 / 图嵌入