异构网络上基于自动路径发现的相似度建模

KDDSep, 2019

异构网络上基于自动路径发现的相似度建模

Similarity Modeling on Heterogeneous Networks via Automatic Path Discovery

Carl Yang, Mengxiong Liu, Frank He, Xikun Zhang, Jian Peng...

TL;DR这篇论文介绍了使用连续强化学习和深度内容嵌入相结合的半监督联合学习框架以自动发现对于两个节点组对的有用路径来解决异构网络中复杂节点相似性建模的挑战，并且通过实验表明了该算法的出色性能。

Abstract

heterogeneous networks are widely used to model real-world semi-structured data. The key challenge of learning over such networks is the modeling of node similarity under both network structures and contents. To deal with network structures, most existing works assume a given or enumer

heterogeneous networks node similarity meta-paths content-rich networks reinforcement learning

发现论文，激发创造

大规模异构信息网络中基于元路径导向嵌入的相似度搜索

本文提出了一个基于嵌入的框架 (ESim)，以探索嵌入在网络结构中的相似度，并接受用户定义的元路径作为指导来学习嵌入向量。在大规模异构信息网络上进行的实验证明了 ESim 的有效性和可扩展性。

Oct, 2016

将异构网络嵌入双曲空间中，无需元路径

该论文提出了一种新颖的自我引导随机游走方法，将异构网络嵌入到双曲空间中进行嵌入，无需使用领域特定的先验知识进行元路径选择，实验证明该方法在网络重建和连接预测方面表现优异。

Jun, 2021

基于任务引导与路径增强的异构网络嵌入在作者识别中的应用

本文提出了一种基于任务指导和路径增强的异构网络嵌入模型来解决双盲审查下作者识别的问题，并通过实验证明了该模型相较于现有方法能够更准确地识别真实作者。

Dec, 2016

基于上下文路径的异构图社区检测：图神经网络模型

在本文中，我们提出了一种基于上下文路径的图神经网络（CP-GNN）模型，通过递归地嵌入节点之间的高阶关系来区分不同关系的重要性，学习既能保留节点之间高阶关系又有助于社区检测的节点嵌入，从而优于现有社区检测方法。

Sep, 2021

利用元路径进行异构图自监督辅助学习

本文提出了一种基于元路径的自监督辅助学习方法来学习异构图上的图神经网络，通过预测元路径作为辅助任务来进行主任务的学习，可以自动平衡辅助任务的有效组合以提高主任务性能，实验证明该方法可以在异构图上改进链接预测和节点分类的性能。

Jul, 2020

异质性匿名行走在异构结构的表示学习

本文研究网络不同结构的表示学习方法，设计了异构匿名游走技术和异构匿名游走嵌入方法，实验结果表明这些方法可以显著提高学习效果，并应用于大规模网络中。

Jan, 2022

异质信息网络中的基于元路径的集合分类

本文研究异构网络中的集体分类问题，通过研究同类型物体的不同联接路径，引入基于元路径的依赖关系，提出一种新的解决方案 —— 基于元路径的异构集体分类模型（HCC），能够有效地为通过不同元路径相互联接的实例分配标签。

May, 2013

采用时间 RNN 和分层注意力建模动态异构网络进行链接预测

本研究提出了一种新颖动态异构网络嵌入方法，称为 DyHATR，在使用分层注意机制来学习异构信息的基础上，结合了循环神经网络和时间注意力机制来捕捉网络的演化趋势，并在实际应用中得到了较好的表现。

Apr, 2020

PReP: 基于路径和概率视角的异构信息网络相关性

该研究提出了一种从概率角度研究异构信息网络相关性的模型，建立了一种新的基于路径的相关性度量模型，开发了推理算法进行模型参数的估计，最终实验证明了该模型和相关度量的有效性。

Jun, 2017

MetaGraph2Vec：复杂语义路径增强异构网络嵌入

本文提出一种新的多元化方法 ——Metagraph，用于网络嵌入学习中捕捉不同节点之间更丰富的结构和语义上下文信息，从而在处理非常稀疏的异构信息网络时提高了 MetaPath 嵌入技术的能力，并实验证明 MetaGraph2Vec 算法能够优于各项异质网络挖掘任务中的现有技术。

Mar, 2018