一种基于元路径的异质图神经网络表示方法技术

本发明专利技术公开了一种基于元路径的异质图神经网络表示方法，包括以下步骤：步骤1、确定目标节点的多条元路径，在每条元路径中采样目标节点的不同类型的邻居节点后按类型进行分组；步骤2、对步骤1得到的邻居节点分别进行特征提取、节点初始异质内容编码、特征聚合得到异质邻居信息；步骤3、分别聚合每条元路径中生成的邻居节点的异质邻居信息，并得到对应的嵌入表示；步骤4、再次基于注意力机制对各条元路径中的嵌入表示进行合并后优化，生成目标节点的最终嵌入表示。

【技术实现步骤摘要】
一种基于元路径的异质图神经网络表示方法
本专利技术涉及异质信息网络领域，具体是一种基于元路径的异质图神经网络表示方法。
技术介绍
在异质信息网络中的表示学习是为了给每个节点找到一个有意义的向量表示，便于下游应用(如链接预测，个性化推荐)的实施。异质图中多种类型的节点包含大量的结构关系信息，例如每个节点自带的非结构化内容。由于在处理异质图时，需要考虑与每个节点相关联的异质属性或内容，以及合并由多种类型的节点和边组成的异质结构信息，导致在异质图处理的进展并不像在同构图中那样容易。现有异质信息网络表示方法多使用元路径聚合节点信息，通过在不同语义的元路径上聚合邻居节点信息然后进一步整合。而现有的元路径聚合节点信息的方法面临三个急需解决的问题：(1)、在异质图中的很多节点的邻居只包含个别类型，并不包括全部。(2)、在异质图中的单个节点可以携带很多非结构的异质内容，比如：属性、文本或图片。(3)、在异质图中邻居的不同属性对节点嵌入生成的重要性不同。
技术实现思路
本专利技术的目的是提供一种基于元路径的异质本文档来自技高网...

【技术保护点】
1.一种基于元路径的异质图神经网络表示方法，其特征在于：包括以下步骤：/n步骤1、确定目标节点的多条元路径，然后通过随机游走方法分别在每条元路径中采样目标节点的不同类型的邻居节点，并将每条元路径中采样的邻居节点按类型进行分组；/n步骤2、对步骤1得到的每条元路径中的邻居节点分别进行特征提取、节点初始异质内容编码、特征聚合，由此在每条元路径中分别得到目标节点的基于类型的异质邻居信息；/n步骤3、分别聚合每条元路径中生成的基于类型的异质邻居信息，并使用注意力机制聚合步骤2种所生成的每条元路径中基于类型的异质邻居信息，得到对应单条元路径中目标节点的所有类型邻居节点的嵌入表示；/n步骤4、再次基于注意...

【技术特征摘要】
1.一种基于元路径的异质图神经网络表示方法，其特征在于：包括以下步骤：
步骤1、确定目标节点的多条元路径，然后通过随机游走方法分别在每条元路径中采样目标节点的不同类型的邻居节点，并将每条元路径中采样的邻居节点按类型进行分组；
步骤2、对步骤1得到的每条元路径中的邻居节点分别进行特征提取、节点初始异质内容编码、特征聚合，由此在每条元路径中分别得到目标节点的基于类型的异质邻居信息；
步骤3、分别聚合每条元路径中生成的基于类型的异质邻居信息，并使用注意力机制聚合步骤2种所生成的每条元路径中基于类型的异质邻居信息，得到对应单条元路径中目标节点的所有类型邻居节点的嵌入表示；
步骤4、再次基于注意力机制对步骤3得到的各条元路径中目标节点的所有类型邻居节点的嵌入表示进行合并后优化，生成目标节点的最终嵌入表示。


2.根据权利要求1所述的一种基于元路径的异质图神经网络表示方法，其特征在于：步骤1中，所述随机游走方法是基于重启动的随机游走策略，通过所述随机游走方法在每条元路径中的采样过程如下：
从目标节点开始，在对应的单条元路径中迭代随机游走至其他节点或按概率返回目标节点，直至成功采样到与目标节点相距固定长度的邻居节点序列。


3.根据权利要求1或2所述的一种基于元路径的异质图神经网络表示方法，其特征在于：步骤1中，将每条元路径中采样的邻居节点按类型进行分组的过程如下：
在单条元路径中，对于每一种邻居节点类型t，从采样到的邻居节点序列中挑选前k个节点，并将它们作为目标节点的一组类型t相关邻...

【专利技术属性】
技术研发人员：吴国栋，范维成，汪菁瑶，涂立静，李景霞，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：安徽;34