软件学报

作者：贾霄生，赵中英，李超，栾文静，梁永全

单位：贾霄生，山东科技大学 计算机科学与工程学院, 山东 青岛 26659011,赵中英，山东科技大学 计算机科学与工程学院, 山东 青岛 26659002,李超，山东科技大学 计算机科学与工程学院, 山东 青岛 26659003,栾文静，山东科技大学 计算机科学与工程学院, 山东 青岛 26659004,梁永全，山东科技大学 计算机科学与工程学院, 山东 青岛 26659005

关键词：异质网络表示学习;元路径;注意力机制;互信息;无监督学习

基金：国家自然科学基金（62072288，61702306）

异质信息网络能够对真实世界的诸多复杂应用场景进行建模，其表示学习研究也得到了众多学者的广泛关注.现有的异质网络表示学习方法大多基于元路径来捕获网络中的结构和语义信息，已经在后续的网络分析任务中取得很好的效果.然而，此类方法忽略了元路径的内部节点信息和不同元路径实例的重要性；仅能捕捉到节点的局部信息.因此，提出互信息与多条元路径融合的异质网络表示学习方法.首先，利用一种称为关系旋转编码的元路径内部编码方式，基于相邻节点和元路径上下文节点捕获异质信息网络的结构和语义信息，采用注意力机制来建模各元路径实例的重要性；然后，提出一种互信息最大化与多条元路径融合的无监督异质网络表示学习方法，使用互信息捕获全局信息以及全局信息和局部信息之间的联系.最后，在两个真实数据集上进行实验，并与当前主流的算法进行比较分析.结果表明，所提方法在节点分类和聚类任务上性能都有提升，甚至和一些半监督算法相比也表现出强劲性能.

来源：2023年第7期

《软件学报》期刊编辑部

查看软件学报杂志2023年第7期