迈向异质图学习的进展与未来
原文中文,约300字,阅读约需1分钟。发表于: 。本文综述了关于从异质图中学习的现有研究成果,包括图的学习策略、模型架构和应用案例,并探讨了现有研究的主要挑战和未来研究的有希望方向。
该研究提出了一种新的异质图神经网络Hetero^2Net,通过蒙版元路径预测和蒙版标签预测任务,有效地处理同质性和异质性异质图。在五个真实异质图基准上评估了Hetero^2Net的性能,结果表明其在半监督节点分类任务中优于强基线模型。
本文综述了关于从异质图中学习的现有研究成果,包括图的学习策略、模型架构和应用案例,并探讨了现有研究的主要挑战和未来研究的有希望方向。
该研究提出了一种新的异质图神经网络Hetero^2Net,通过蒙版元路径预测和蒙版标签预测任务,有效地处理同质性和异质性异质图。在五个真实异质图基准上评估了Hetero^2Net的性能,结果表明其在半监督节点分类任务中优于强基线模型。