一种针对关系不确定性的贝叶斯异质图神经网络

陈冠恒郭子瑜梅广旭刘士军潘丽

山东大学;

摘要：

由不同类型的节点和边组成的异质图在现实世界中具有广泛的应用场景.近年来,针对此类图数据的异质图神经网络研究与应用取得了很好的进展,但是现有的异质图神经网络在构建时没有考虑到异质图中存在关系的不确定性问题,因而在面对包含不确定性的关系的对抗性实例干扰时也暴露出鲁棒性较弱的缺点.针对上述问题,本文提出贝叶斯异质图神经网络模型(Bayesian Heterogeneous Neural Network,BHNN),用于解决异质图中关系不确定性问题并提高模型的鲁棒性.BHNN首先基于异质图的领域知识预定义不同的元路径,然后针对表示单一关系的每条元路径构建由相同类型节点构成的元路径邻居图,每个元路径邻居图被看作…展开v

关键词：异质图、元路径、图神经网络、不确定性、鲁棒性、贝叶斯方法

所属期刊栏目：46

分类号：TP18(自动化基础理论)

在线出版日期：2023-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：552-567