网络表示学习——异构图的分类任务

社交网络的表示学习任务

在日常生活中，会遇到许多的社交网络，比如微博等，展现了不同用户与微博内容之间的各种关系，还有论文之中的网络，展现了论文作者，作者研究课题，论文出版杂志社之间的关系。网络表示学习的任务就是学习一种对这些节点的表示方法，以方便其用于机器学习的任务中，如分类，连接预测等¹。

异构图的网络表示

现在对于同构图的网络表示有更多的研究，不过异构图在生活中使用的更为广泛。异构图指的是图中的节点有不同的形式，图中节点之间的关系也有多种不同的形式。在对异构图的研究中，有以下几种方法：

• 将异构图映射到同构图²³⁴⁵，但是这种方法没有完全的探索不同节点之间，或者他们标签之间的联系，甚至提出了不太实际的假设¹，所以准确率较低。
• 对不同类型的节点使用不同类型的编码⁶。
• 用特定类型的参数来扩展成对的解码器(这句话我现在也不知道什么意思，求赐教)⁷