Skalierbare und effiziente heterogene Graph-Neuronale-Netzwerke
Dieser Artikel stellt einen neuartigen Ansatz, BG-HGNN, vor, um die Herausforderungen der Parameterexplosion und des Relationenkollaps in bestehenden heterogenen Graph-Neuronalen-Netzwerken (HGNNs) zu überwinden. BG-HGNN integriert heterogene Informationen effizient in einen einheitlichen Merkmalsraum, was zu einer verbesserten Skalierbarkeit und Leistungsfähigkeit führt, insbesondere bei komplexen Graphen mit zahlreichen Relationen.