Het-node2vec：用于异构图嵌入的二阶随机游走采样方法

《Scientific Reports》：Het-node2vec: second-order random walk sampling for heterogeneous graph embedding

　　

摘要

许多现实世界问题天然地可以建模为异构图，其中节点和边代表多种类型的实体和关系。现有的异构图表示学习模型通常依赖于对特定、用户定义的异质路径的计算，或者依赖于大规模且往往不可扩展的深层神经网络架构。我们提出了Het，它是ntv算法的一种扩展，旨在通过捕捉图的拓扑和结构特征以及不同类型节点和边所蕴含的语义信息来嵌入异构图；这是通过在二阶随机游走过程中引入一种简单的随机节点类型切换策略来实现的。在合成图、基准测试以及真实世界生物医学图上的实证结果表明，Het在节点标签预测任务中取得了与异构图最先进方法相当的性能。