基于元路径的关系选择图神经网络

摘要

现有的基于元路径的异质图嵌入模型通常假设给定的元路径是相互独立的,这种分别为每个元路径生成节点嵌入后再融合的方式只关注了每个元路径的局部结构,而忽略了元路径间的全局相关性,因此模型预测效果有限。针对以上问题,提出一种基于元路径的关系选择图神经网络(MRSGNN)。模型首先将异质图转化为基于元路径的多关系图,利用提出的关系选择图卷积层直接在多关系图上聚合邻居信息以建模元路径间的全局相关性,并结合关系选择模块对多关系下的邻居信息进一步筛选以区分各关系的重要性。在三个公开异质图数据集的节点分类任务上,MRSGNN分别取得了94%、92%、61%的预测准确率,均高于最新的基准模型。