一种基于高阶消息传递的异构属性网络表示学习方法

一种基于高阶消息传递的异构属性网络表示学习方法，对于给定的异构属性网络，通过线性变换将不同维度的节点特征映射到一个相同维度的共享特征空间中；对于目标类型节点直接邻域内不同的节点和边类型，采用具有双层聚合函数的基于网络模式的异构消息传递机制，分别根据不同的节点类型和边类型进行消息聚合；对于目标类型节点远程不同阶数的邻域消息，基于高阶消息注意力机制，自适应地分配不同阶数的消息权重，再对不同阶数的消息进行加权融合，生成节点的最终表示；使用单层线性变换作为分类器，根据学习到的节点表示将目标节点分配到特定的类或类别中。该方法能有效捕捉到异构网络中的节点特征和语义信息，可显著提升节点分类的区分力。