Graph Transformer Networks 论文分享

论文地址：https://arxiv.org/abs/1911.06455实现代码地址：https://github.com/ seongjunyun/GraphTransformerNetworks看分享之前可以把论文读一遍，代码看一看，这样必定会事半功倍！

论文目的是通过构造GTN(Graph Transformer Networks)，来学习到异构网络中有效的节点表示。

其他现有方法（GNNs）的缺点：

1. 对于异构图，由于GNN只用于处理同构图，因此效果不好。

1. 一种简单的处理方法就是忽略类型，缺点就是无法获取到类型信息。
2. 手动设计一个meta-path，例如，将异构图转化由meta-path定义的同构图，然后使用GNN进行操作。方法的缺点是：对于每一个问题都需要单独的手工设计meta-path；并且最终效果受到选择meta-path的影响；meta-path的选择需要对应领域知识。

整体框架

1. meta-path的表示：

一条路径：，则= *

卷积层

代码：

A 的size：

W的size：

GT层

在GT层中，使用了类似于stack的结构

代码

解决meta-path长度随层数的增加而增加问题：

GTN

代码

gcn_conv:

实验

将模型生成的meta-path同预定义的meta-path相比较：

meta-path有效性

本文的亮点

1. 不需要领域知识，不需要手动设置meta-path，GTN通过候选邻接矩阵来定义有效的meta-paths。
2. 可扩展性强。