Semantic-guided graph neural network for heterogeneous graph embedding

计算机科学 嵌入 图形 混乱 语义计算 语义相似性 人工智能 语义学(计算机科学) 理论计算机科学 语义网络 语义压缩 语义记忆 语义网 语义技术 心理学 精神分析 生物 神经科学 认知 程序设计语言
作者
Mingjing Han,Han Zhang,Wei Li,Yanbin Yin
出处
期刊:Expert Systems With Applications [Elsevier]
卷期号:232: 120810-120810 被引量:3
标识
DOI:10.1016/j.eswa.2023.120810
摘要

Heterogeneous Graph Neural Network (HGNN) has shown a great promising in embedding complex structural and semantic information of heterogeneous graph. However, many popular HGNNs fail to capture the meaningful characteristics to distinguish heterogeneous nodes, known as the semantic confusion problem. In this paper, we hold that semantic confusion problem can be addressed by jumping knowledge toward semantics enrichment, and propose a general framework for heterogeneous graph embedding named Semantic-guided Graph Neural Network (SGNN). Here, we develop novel two-level fusion mechanisms in both node and semantic aggregation. In the node-level, we aggregate the local neighbors with jumping knowledge to learn an enhanced local representation. In the semantic-level, we maximize the common representation to extract the jumping knowledge from multiple semantics in latent space. The common representation is injected into semantic-level aggregation as jumping knowledge to guide the model to pay more attention on target semantics. In the end, the semantic confusion problem is shown to be alleviated in the two-level semantic-guided aggregation framework of SGNN through both theory and experiments. Experimental results demonstrate that SGNN gains highest results in real-world tasks. We also perform validation experiments to evaluate the effectiveness of aggregation mechanism towards semantic confusion in each level, and the results show superiority of SGNN.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
易哲完成签到 ,获得积分10
6秒前
wx1完成签到 ,获得积分0
13秒前
蝌蚪完成签到,获得积分10
15秒前
苏青舟完成签到 ,获得积分10
21秒前
jameslee04完成签到 ,获得积分10
25秒前
fusheng完成签到 ,获得积分10
29秒前
lyp完成签到 ,获得积分10
30秒前
研友_LOKXmL完成签到 ,获得积分10
34秒前
浮生完成签到 ,获得积分10
37秒前
gaoxiaogao完成签到 ,获得积分10
41秒前
糖宝完成签到 ,获得积分10
42秒前
luckygirl完成签到 ,获得积分10
44秒前
钟声完成签到,获得积分0
52秒前
开放访天完成签到 ,获得积分10
1分钟前
所所应助科研通管家采纳,获得10
1分钟前
1分钟前
严珍珍完成签到 ,获得积分10
1分钟前
南风完成签到 ,获得积分10
1分钟前
GG完成签到 ,获得积分10
1分钟前
1分钟前
华理附院孙文博完成签到 ,获得积分10
1分钟前
韦雪莲完成签到 ,获得积分10
1分钟前
小杨完成签到 ,获得积分10
1分钟前
Nan发布了新的文献求助10
1分钟前
海豚完成签到 ,获得积分10
1分钟前
不知道叫个啥完成签到 ,获得积分10
1分钟前
段誉完成签到 ,获得积分10
1分钟前
二牛完成签到,获得积分10
1分钟前
czj完成签到 ,获得积分10
2分钟前
CLTTT完成签到,获得积分10
2分钟前
张大星完成签到 ,获得积分10
2分钟前
lyl19880908完成签到 ,获得积分10
2分钟前
知否完成签到 ,获得积分10
2分钟前
2分钟前
i好运完成签到,获得积分10
2分钟前
关关完成签到 ,获得积分10
2分钟前
lanxinge完成签到 ,获得积分10
2分钟前
i好运发布了新的文献求助10
2分钟前
求助完成签到,获得积分0
2分钟前
夏秋完成签到 ,获得积分10
2分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709863
关于积分的说明 7418267
捐赠科研通 2354446
什么是DOI,文献DOI怎么找? 1246020
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921