A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Latent Influence Based Self-Attention Framework for Heterogeneous Network Embedding Estrutura de autoatenção baseada em influência latente para incorporação de redes heterogêneas

Yang YAN, Qiuyan WANG, Lin LIU

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Nos últimos anos, Redes Neurais de Grafos têm recebido enorme atenção da academia por seu enorme potencial de modelagem de características de rede, como macroestrutura e atributos de nó único. No entanto, os trabalhos anteriores concentram-se principalmente em redes homogêneas e não têm a capacidade de caracterizar a propriedade heterogênea da rede. Além disso, a maior parte da literatura anterior não consegue modelar a ligação de influência latente sob visão microscópica, tornando inviável modelar a relação conjunta entre a heterogeneidade e a interação mútua dentro do tipo de relação múltipla. Nesta carta, propomos uma estrutura de autoatenção baseada na influência latente para resolver as dificuldades mencionadas acima. Para modelar a heterogeneidade e as interações mútuas, redesenhamos o mecanismo de atenção com fator de influência latente no nível de relação de tipo único, que aprende o coeficiente de importância de seus vizinhos adjacentes sob os mesmos padrões baseados em meta-caminho. Para incorporar o meta-caminho heterogêneo em uma dimensão unificada, desenvolvemos uma nova estrutura baseada na autoatenção para a fusão da relação do meta-caminho de acordo com o coeficiente do meta-caminho aprendido. Nossos resultados experimentais demonstram que nossa estrutura não apenas alcança resultados mais elevados do que as atuais linhas de base do estado da arte, mas também mostra uma visão promissora na representação de relações interativas heterogêneas sob estruturas de rede complicadas.

Publicação
IEICE TRANSACTIONS on Information Vol.E105-D No.7 pp.1335-1339
Data de publicação
2022/07/01
Publicitada
2022/03/24
ISSN online
1745-1361
DOI
10.1587/transinf.2021EDL8093
Tipo de Manuscrito
LETTER
Categoria
Inteligência Artificial, Mineração de Dados

autores

Yang YAN
  Tianjin University of Technology and Education
Qiuyan WANG
  Tiangong University
Lin LIU
  Tianjin LINHAITEC Ltd.

Palavra-chave