最佳论文亚军花落天津大学:基于属性补全的异质图神经汇集新架构

来源:千亿游戏平台 作者:千亿游戏网站

  呆板之心编纂部4 月 23 日,万维网顶会 揭晓了本届聚会的最佳论文奖冠亚军(Winner 和 Runner-Up),来自天津大学金弟副老师团队的论文《Heterogeneous Graph Neural Network via Attribute Completion》斩获最佳论文奖(Runner-Up)。现更名为 TheWebConf)聚会是万维网范畴的顶会,由图灵奖得主 Tim 首创,被中国估计机协会将其认证为 CCF-A 类聚会,每年举办一次。本届 WWW 共计收到 1736 篇投稿,委用 357 篇论文,委用率为 20.6%,此中评出最佳论文奖冠亚军各一篇。

  WWW2021 最佳论文奖(亚军)由来自天津大学的金弟副老师团队摘得。该讨论原创性地提出了异构讯息搜集属性补全题目及其高效求解计划。该计划正交于已有异构图神经搜集框架,并正在多个可靠寰宇的异质数据集上博得了良好的结果。

  异质讯息搜集(HINs)也称为异质图,它是一种由多品种型的节点和边构成的丰富搜集,包括了周到的讯息和丰裕的语义。图神经搜集(GNNs)行动治理图布局数据的壮大器械,正在搜集判辨工作中发挥出了超卓的功能。比来接踵提出了很多基于图神经搜集的异质图模子,并博得了庞杂的得胜。图神经搜集旨正在通过节点属性间的宣称和纠合操作来竣事图透露进修工作,因此齐全的节点属性是算法运转的需要条件。然而,大大批可靠寰宇的场景平淡存正在讯息不齐全的题目,发挥正在异质讯息搜聚合即为:常存正在某些类型节点的属性齐备缺失的形势,譬喻正在包括三品种型节点的引文搜集 ACM 中,唯有 paper 节点含有原始属性,author 和 subject 节点没有属性。区别于同构搜聚合某些结点的属性缺失或节点属性正在某些维度上的缺失,异质搜聚合的属性缺失水准更大、更为丰富。

  已有的少少异质搜集透露进修设施首要针对模子的校正来降低算法功能,对待属性的缺失采用少少容易的手工插补设施(比如均匀插补、one-hot 向量插补)举行补全。这些设施将属性补全与图透露进修流程分隔,马虎了正确的属性对待下游工作的首要性,于是很难运用容易插补后的属性来担保模子的功能。现实上,正确的输入是任何模子完得胜能提拔的根基,正在异质搜集更为丰富的属性缺失情状下,正确的属性变得更为首要。于是,本文以为与计划新的模子比拟,科学正确地补全缺失的属性该当成为异质搜集判辨工作的另一个首要讨论目标,而且属性补全和模子计划可能彼此加强。基于此,本文提出以可进修的方法来补全缺失的属性,并通过采用属性补全与图神经搜集模子彼此加强的形式来构修一个针对属性缺失异质搜集的异质图神经搜集通用框架(HGNN-AC)。

  HGNN-AC 共包括四个症结计划:基于拓扑布局的先验学问预进修、基于留神力机造的属性补全、弱监视重构吃亏的计划和端到端模子的构修。本文正在三个可靠寰宇的异质搜集前举行了豪爽的实践,结果阐明所提出的框架优于最新的基准。

  本文提出的框架首要由四部门构成(如下图所示)。起首,采用经典的异质搜集透露进修设施,欺骗拓扑布局来获取节点的拓扑透露,以此拘捕节点之间高阶的拓扑合连行动属性补全的先验学问。其次,基于节点的拓扑透露估计无属性节点与直接相连的已有属性节点之间的合连,通过对已有属性节点的属性举行加权纠合来为无属性节点举行属性补全。然后,通过随机删除部门已有属性节点的属性,并运用所提出的属性补全设施为这些节点重构属性以构修弱监视吃亏。终末,计划属性补全与基于图神经搜集的异质模子相联合,使扫数体例完成端到端,竣事工作导向的属性补全。

  因为搜聚合拓扑布局和属性率领的语义讯息往往拥有很强的相同性,本文以为搜集拓扑中的高阶异质合连有帮于属性补全,于是本文采用经典的异质搜集透露进修设施(比如 metapath2vec)欺骗拓扑布局拘捕节点之间的合连来进修节点的透露 H,并将其行动领导属性补全的先验学问。

  为属性缺失节点的结合。本文欺骗上述获取的先验学问 H,运用留神力机造估计缺失属性的主意节点的一阶邻人节点对其的首要性水准,并按照首要性系数来纠合已有属性的一阶邻人节点(

  简直来。

上一篇:明朝万达2021年汇集平安月报(9月)
下一篇:中国工会搜集核心IDC数据核心建树项目招标告示