종류가 다른 관계의 표현
이종 그래프에는 여러 유형의 노드와 연결이 함께 존재한다. HGT는 노드와 간선의 유형에 따라 파라미터를 달리해 각 간선의 어텐션을 계산하고 유형별 표현을 유지한다.
시간 변화의 반영
동적인 이종 그래프를 다루기 위해 상대 시간 인코딩을 사용한다. 사건 사이의 시간 간격을 표현에 반영해 서로 다른 기간에 걸친 구조적 의존 관계를 모델링한다.
큰 그래프에서의 학습
HGSampling은 이종 그래프를 미니배치로 학습하기 위한 샘플링 알고리즘이다. 원 연구는 노드 약 1억 7900만 개와 간선 20억 개를 가진 Open Academic Graph에서 여러 후속 과제를 평가했다.
관련 문서
HAN 이종 그래프 어텐션 / R-GCN / 메타패스 / TGAT / 그래프 신경망 / 트랜스포머