여러 의미의 국소 구조
같은 노드라도 어떤 의미의 관계로 보느냐에 따라 주변 구조가 달라진다. MV-HetGNN은 특정 의미 아래의 국소 구조와 이종 관계를 충분히 반영하면서 여러 의미를 종합하는 문제를 다룬다.
변환과 인코딩
노드 특징을 변환한 뒤 뷰마다 에고 그래프를 인코딩한다. 의미별로 바라본 주변 구조를 각각 처리해 노드 표현을 구성하는 정보를 얻는다.
다중 뷰의 결합
자동 다중 뷰 융합으로 각 뷰의 정보를 통합한다. 원 연구는 세 실제 이종 그래프에서 노드 분류, 노드 군집화, 연결 예측 과제로 표현의 유용성을 평가했다.
관련 문서
MAGNN / HAN 이종 그래프 어텐션 / HGT 이종 그래프 트랜스포머 / SeHGNN / 임베딩 / 그래프 신경망