注意力融合机制和拓扑关系挖掘的异构图神经网络

摘要

针对异构图神经网络模型依赖元路径和复杂聚合操作导致元路径受限与高成本的不足，提出一种基于注意力融合机制和拓扑关系挖掘的异构图神经网络模型(FTHGNN).该模型首先使用一种轻量级的注意力融合机制，融合全局关系信息和局部节点信息，以较低的时空开销实现更有效的消息聚合；接着使用一种无需先验知识的拓扑关系挖掘方法替代元路径方法，挖掘图上的高阶邻居关系，并引入对比学习捕获图上的高阶语义信息；最后，在4个广泛使用的现实世界异构图数据集上进行的充分实验，验证了FTHGNN简单而高效，在分类预测准确率上超越了绝大多数现有模型.

关键词

图神经网络 / 异构图 / 注意力机制 / 对比学习