Simple and Efficient Heterogeneous Graph Neural Network

计算机科学 新闻聚合器 图形 理论计算机科学 人工神经网络 人工智能 操作系统
作者
Xiaocheng Yang,Mingyu Yan,Shirui Pan,Xiaochun Ye,Dongrui Fan
出处
期刊:Proceedings of the ... AAAI Conference on Artificial Intelligence [Association for the Advancement of Artificial Intelligence (AAAI)]
卷期号:37 (9): 10816-10824 被引量:61
标识
DOI:10.1609/aaai.v37i9.26283
摘要

Heterogeneous graph neural networks (HGNNs) have the powerful capability to embed rich structural and semantic information of a heterogeneous graph into node representations. Existing HGNNs inherit many mechanisms from graph neural networks (GNNs) designed for homogeneous graphs, especially the attention mechanism and the multi-layer structure. These mechanisms bring excessive complexity, but seldom work studies whether they are really effective on heterogeneous graphs. In this paper, we conduct an in-depth and detailed study of these mechanisms and propose the Simple and Efficient Heterogeneous Graph Neural Network (SeHGNN). To easily capture structural information, SeHGNN pre-computes the neighbor aggregation using a light-weight mean aggregator, which reduces complexity by removing overused neighbor attention and avoiding repeated neighbor aggregation in every training epoch. To better utilize semantic information, SeHGNN adopts the single-layer structure with long metapaths to extend the receptive field, as well as a transformer-based semantic fusion module to fuse features from different metapaths. As a result, SeHGNN exhibits the characteristics of a simple network structure, high prediction accuracy, and fast training speed. Extensive experiments on five real-world heterogeneous graphs demonstrate the superiority of SeHGNN over the state-of-the-arts on both accuracy and training speed.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
SciGPT应助本大侠采纳,获得10
刚刚
Awesome完成签到,获得积分10
刚刚
1秒前
Hyh_完成签到 ,获得积分10
2秒前
2秒前
罗_应助科研嗅觉采纳,获得10
2秒前
英俊的铭应助anpina采纳,获得10
3秒前
赖不弱完成签到 ,获得积分10
3秒前
SciGPT应助11采纳,获得10
3秒前
3秒前
1瞬间发布了新的文献求助10
6秒前
7秒前
云青完成签到,获得积分10
7秒前
小台农发布了新的文献求助30
7秒前
8秒前
8秒前
大个应助漂亮的念双采纳,获得10
8秒前
夏林完成签到,获得积分10
8秒前
10秒前
月行天发布了新的文献求助10
12秒前
华仔应助夏林采纳,获得10
13秒前
傲娇的凡旋应助外向从灵采纳,获得10
13秒前
bkagyin应助阳光的衫采纳,获得10
13秒前
14秒前
zym驳回了所所应助
14秒前
谢a发布了新的文献求助10
15秒前
猫咪老师应助甜甜若血采纳,获得30
15秒前
Owen应助1瞬间采纳,获得20
16秒前
Cheny完成签到 ,获得积分10
16秒前
16秒前
蕙谦完成签到,获得积分20
16秒前
ding应助普通人采纳,获得10
18秒前
田様应助爱听歌的书本采纳,获得10
18秒前
18秒前
18秒前
18秒前
cmuzf完成签到,获得积分10
18秒前
19秒前
干净初雪发布了新的文献求助10
20秒前
爱听歌的小白菜应助23xyke采纳,获得10
20秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256085
求助须知:如何正确求助?哪些是违规求助? 2898220
关于积分的说明 8300473
捐赠科研通 2567352
什么是DOI,文献DOI怎么找? 1394499
科研通“疑难数据库(出版商)”最低求助积分说明 652817
邀请新用户注册赠送积分活动 630511