异质图混合滤波网络

谱域分解聚合

针对异质图的谱域节点聚合难题，集成低通、高通和自聚合三种滤波器，让节点根据自身连接模式自适应选择滤波方式。

Zitong, Bo · Chaoyi, Yang · 李一林 · Kaiyue, Xu · 乔颖 · 冷昶 · 王宏安

Lecture Notes in Computer Science 2024

参数信息

数据集数量

7

技术优势

异质图也能用

引入混合滤波机制，节点根据连接模式自适应选择低通、高通或自聚合滤波器，克服了传统GCN的同质性假设限制。

性能超越现有模型

在七个多样化数据集上的评估显示，HFGCN在处理同质和异质图方面均超越了现有最优模型。

应用场景

• 图数据挖掘：可处理异质图，挖掘传统GCN无法有效利用的结构信息。
• 社交网络分析：社交网络常具异质性，该模型能更准确地对用户节点进行分类。
• 推荐系统：可处理用户-物品异构图，提升推荐准确性。
• 物联网数据建模：物联网设备连接关系复杂，模型能学习异质连接模式。