jasperzhong
commented
1 year ago 这篇文章考虑的是只有一个node type，但是有多种edge type的异构图，并且node有attributes，称之为Attributed Multiplex Heterogeneous Network (AMHEN). 这种图在推荐系统里面太常见了，比如user-item graph，user item由于是bipartite所以可以看成是一种node type，但是user可以click item, add-to-preference, add-to-chart, conversion...有很多操作，每一种操作都是一个relation.
GATNE其实方法挺直接的，每个node每个edge type做类似于GraphSAGE (mean aggregation)生成一个node embedding，得到m个node embedding（m为edge type数量），然后对这m个node embedding做一个self-attention，得到加权的node embedding，最后加上base embedding.
base embedding是来自于node本身有attribute，可以做一个linear transformation变成base embedding. 另外，node attribute可以做一个linear transformation成为每个edge type的起始node embedding.
所以这么一看，每个node要维护m个node embedding for each edge type.
这里samping方法就是正常的uniform sampling，和GraphSAGE一样，只不过要对每个edge type都做一次sampling.
值得注意的是这里用metapath2vec的random walk方法生成了training samples.
https://arxiv.org/pdf/1905.01669.pdf