面向图谱频繁关系模式挖掘的异质图神经网络
来源：计算机应用与软件杂志2024年第12期北京时间：
作者：段立, 封皓君, 张碧莹
摘要：鉴于目前挖掘算法难以对知识图谱建模等问题，提出一种描述和提取节点范围内结构的异质图神经网络模型，旨在挖掘其中的频繁关系模式以及各结构的分布。该模型将关系信息作为节点特征输入，利用自编码机制与多头注意力机制保留原始结构信息，同时引入特征结构平移层将相同结构映射到同一空间中，以获得频繁出现的结构。实验结果表明，该模型可以更快地挖掘图谱关系模式以及各结构在图中的分布；同时在验证特征表达能力的链接预测任务中有稳定表现，在关系类型较多的异质图中甚至优于部分联合学习模型。
关键词：知识图谱, 图神经网络, 自编码机制, 多头注意力机制, 特征结构平移层
