[WSDM | 论文简读] 用于图分类任务的异构超图网络嵌入学习

作者 | 王汝恒 编辑 | 李仲深

论文题目

Heterogeneous Hypergraph Embedding for Graph Classification

论文摘要

最近，图神经网络因其在成对关系学习中的突出表现而被广泛用于网络嵌入。在现实世界中，比较普遍的情况是成对关系和复杂的非成对关系并存，但很少有人研究。鉴于此，作者提出了一种基于图神经网络的异构超图表示学习框架，它是传统图的扩展，可以很好地表征多个非成对关系。该框架首先将异构超图投影到一系列快照中，然后采用小波基来执行局部超图卷积。由于小波基通常比傅里叶基稀疏得多，因此作者开发了一种有效的多项式近似来替代耗时的拉普拉斯分解。经过一系列的评估，最终的实验结果表明了作者方法的优越性。除了节点分类等网络嵌入评估的标准任务外，作者还将该方法应用于垃圾邮件发送者检测任务，并且该框架的卓越性能表明成对之外的关系在垃圾邮件发送者检测中也是有效的。

论文链接

https://dl.acm.org/doi/10.1145/3437963.3441835

代码链接

https://xiangguosun.mystrikingly.com