基于超鄰接圖的異質(zhì)信息網(wǎng)絡(luò)表征學習

摘要： 異質(zhì)信息網(wǎng)絡(luò)往往包含不同類型的節(jié)點和關(guān)系，豐富的語義信息和復(fù)雜的關(guān)系對目前異質(zhì)信息網(wǎng)絡(luò)的表征學習提出了巨大的挑戰(zhàn)。現(xiàn)有多數(shù)方法通常使用預(yù)定義的元路徑來捕獲異質(zhì)的語義信息和結(jié)構(gòu)信息，但成本高、覆蓋率低，且不能準確有效地捕獲和學習有影響力的高階鄰居節(jié)點。提出HIN-HG模型來解決以上問題。HIN-HG通過生成異質(zhì)信息網(wǎng)絡(luò)的超鄰接圖來準確有效地捕獲對目標節(jié)點有影響力的鄰居節(jié)點，并使用...