基于超鄰接圖的異質(zhì)信息網(wǎng)絡(luò)表征學(xué)習(xí)

摘要： 異質(zhì)信息網(wǎng)絡(luò)往往包含不同類型的節(jié)點(diǎn)和關(guān)系，豐富的語義信息和復(fù)雜的關(guān)系對(duì)目前異質(zhì)信息網(wǎng)絡(luò)的表征學(xué)習(xí)提出了巨大的挑戰(zhàn)?，F(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(zhǔn)確有效地捕獲和學(xué)習(xí)有影響力的高階鄰居節(jié)點(diǎn)。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(zhǔn)確有效地捕獲對(duì)目標(biāo)節(jié)點(diǎn)有影響力的鄰居節(jié)點(diǎn)，并使用...