异构图和元路径
我们常见的GCN是运用在同构图上,而且近些年出的相关的论文也非常多。
在现实世界中很多的图实际上是异构图,而把针对同构图的GCN用在异构图上,会损失其中的很多信息,包括一些语义信息(元路径)、更多的结构信息等。
元路径能够体现异构图中隐藏的语义信息。但是一些异构图中的语义需要相关领域的知识或者人类还不知道。所以也有很多论文提出不需要元路径的方法。
异构图非基于元路径的论文
- Heterogeneous Graph Transformer, WWW 2020
- Heterogeneous Graph Neural Network, KDD 2019
- An Attention-based GNN for Heterogeneous Structural Learning, AAAI 2020
- Graph Convolutional Networks on User Mobility Heterogeneous Graphs
for Social Relationship Inference, IJCAI 2019 - Heterogeneous Graph Attention Networks for Semi-supervised Short
Text Classification, EMNLP 2019
其他异构图论文
【链接】https://github.com/Jhy1993/Representation-Learning-on-Heterogeneous-Graph