1、【arXiv】HeMI: Multi-view Embedding in Heterogeneous Graphs
论文地址：https://arxiv.org/abs/2109.07008
导读：本文关注异构图的表示学习问题。异构图嵌入了丰富的结构和这些图的语义到低维空间并有利于各种数据挖掘任务，如节点分类、节点聚类、和链接预测。在本文中，作者提出了一种自监督方法 依靠知识交流学习 HG 表示。不同 HG 结构语义（元路径）之间的发现。具体来说，通过最大化元路径表示的互信息，我们促进元路径信息融合，并且对全局共享语义信息进行编码。在多个节点分类、节点聚类和链接预测任务的实验结果表明，所提出的自我监督都优于竞争方法，并将基线方法提高了 1% 和高达 10%。

2 【arxiv】

论文题目：Multi-adaptive Spatiotemporal-flow Graph Neural Network for Traffic Speed Forecasting

论文作者：大华公司

论文导读：本文提出了一种用于交通速度预测的多自适应时空流图神经网络（MAF-GNN）。MAF-GNN引入了一种有效的多自适应邻接矩阵机制来捕获流量节点之间的多个潜在空间依赖关系。此外，我们还提出了时空流模块，旨在进一步增强特征在时间和空间维度上的传播。

 

编辑人：吕腾飞，伊新铜