地址：

https://www.zhuanzhi.ai/paper/d763a3d94aebcffc20f2a4e13b7b5465

大量真实世界的图或网络本质上是异构的，涉及节点类型和关系类型的多样性。异构图嵌入是将异构图的丰富结构和语义信息嵌入到低维节点表示中。现有的模型通常定义多个metapaths在异构图捕捉复合关系和指导邻居选择。但是，这些模型要么忽略节点内容特性，要么沿着元路径丢弃中间节点，要么只考虑一个元路径。为了解决这三个局限性，我们提出了一种新的集合图神经网络模型来提高最终性能。具体来说，MAGNN使用了三个主要组件，即，节点内容转换封装输入节点属性，元内聚合合并中间语义节点，元间聚合合并来自多个元的消息。在三个真实世界的异构图数据集上进行了大量的节点分类、节点聚类和链路预测实验，结果表明MAGNN的预测结果比最先进的基线更准确。

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“MAGNN” 就可以获取《MAGNN:异构图嵌入的集合图神经网络》论文专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源