图神经网络论文阅读(八) Meta-GNN，ASONAM2019

首先要说一下，这篇论文叫《Meta-GNN: Metagraph Neural Network for Semi-supervisedlearning in Attributed Heterogeneous Information Networks》，并且它的pre-print版本叫另一个名字《Motif-based Convolutional Neural Network on Graphs》，但其实本质上说的是一回事。本文的作者来自University of Illinois。
至于ASONAM，其全拼为：International Conference on Advances in Social Networks Analysis and Mining，一看就是社会网络分析挖掘相关的会议，但是不在CCF推荐的会议列表中。
本文主要关注Heterogeneous Information Networks (HINs)也就是异构信息网中Attributed HINs (or AHINs)上的半监督任务（SSL）。为此，本文提出一种基于metagraph（也可以说是motif）的卷积方式，其捕获了higher-order relationships，并使用Meta-GNN证实了本算法的优越性。

Meta-graph（Motif）

这里的meta-graph可以理解为local topology structure，和基于meta-path的推荐算法中的思想很像。文中给出meta-graph的明确定义：A metagraph is a subgraph pattern describing the relationship between a pair of target and context nodes。
为了有更直观的感受࿰