基于图卷积和自注意力机制实现异构图元路径聚合的节点分类方法

摘要

本发明提出一种基于自注意力机制和简化版图神经网络的异构图神经网络模型，用来自动捕获节点之间有用的关系感知拓扑结构信号，以获得集成了网络结构和节点属性特征的节点表征。模型分为多元关系聚合模块和多层图卷积模块，多元关系聚合模块将异构图解耦为多个同构二部子图，接着应用自注意力机制为每个子图更新关系感知参数权值，重新聚合成新的矩阵用于提取元路径。多层图卷积模块基于图卷积神经网络(GCN)的思想通过聚集相邻节点的特征来学习节点的低维表征，并采用弃用GCN非线性激活函数的方式来简化其消息传递过程，以获得高效学习网络表示的能力，使得到的节点表征包含了所有长度的元路径信息。