Attributed Multi-order Graph Convolutional Network for Heterogeneous Graphs

作者解析了一篇论文,介绍了如何灵活构造多长元路径,通过学习和融合多阶邻接矩阵,以及改进的多秩序GCN模型。还探讨了如何利用节点属性进行监督和融合,以及与MHGCN模型的对比。作者强调了从已有研究中寻找问题并提出新想法的重要性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这篇论文是我这周读的最顺畅的一篇,不是因为他的idea特别突出,而是文章的思路很清楚,讲的很详细,所以让我感觉到很顺畅,我觉得有必要多写一点论文解读来记录一下。

这篇文章中作者自己提出了三个问题,然后在对模型的讲述中详细地解决了这三个问题

1. How to construct multi-length meta-paths dexterously via learning multiple high-order adjacency matrices and their fusion?

对于建立元路径(meta-paths)的原理,作者举了如下图所示的例子

我的理解是A2是通过添加边为两个原本没有联系的节点添加一个中间节点,然后使得原本没有联系的两个节点通过元路径建立起联系。

对这一定理进行推广,可以得到l阶的元路径的矩阵:

为了更加灵活的运用元路径,作者对原始矩阵进行了添加参数的处理:

其中

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值