[论文解读] Recurrent Meta-Structure for Robust Similarity Measure in Heterogeneous Information Networks

Yu Zhou, Jianbin Huang+2 more|arXiv (Cornell University)|Dec 25, 2017

Advanced Graph Neural Networks参考文献 41被引用 6

一句话总结

本文提出基于循环元结构的相似性（RMSS），一种用于异构信息网络（HINs）的鲁棒相似性度量方法，可自动构建循环元结构以统一所有可能的元路径和元结构。通过将该结构分解为循环元路径和元树，计算其换位矩阵，并结合局部或全局加权策略，RMSS在聚类和排序任务中表现出优越性能，且对用户指定的元路径或元结构不敏感。

ABSTRACT

Similarity measure as a fundamental task in heterogeneous information network analysis has been applied to many areas, e.g., product recommendation, clustering and Web search. Most of the existing metrics depend on the meta-path or meta-structure specified by users in advance. These metrics are thus sensitive to the pre-specified meta-path or meta-structure. In this paper, a novel similarity measure in heterogeneous information networks, called Recurrent Meta-Structure-based Similarity (RMSS), is proposed. The recurrent meta-structure as a schematic structure in heterogeneous information networks provides a unified framework to integrate all of the meta-paths and meta-structures. Therefore, RMSS is robust to the meta-paths and meta-structures. We devise an approach to automatically constructing the recurrent meta-structure. In order to formalize the semantics, the recurrent meta-structure is decomposed into several recurrent meta-paths and recurrent meta-trees, and we then define the commuting matrices of the recurrent meta-paths and meta-trees. All of the commuting matrices of the recurrent meta-paths and meta-trees are combined according to different weights. Note that the weights can be determined by two kinds of weighting strategies: local weighting strategy and global weighting strategy. As a result, RMSS is defined by virtue of the final commuting matrix. Experimental evaluations show that the existing metrics are sensitive to different meta-paths or meta-structures and that the proposed RMSS outperforms the existing metrics in terms of ranking and clustering tasks.

研究动机与目标

• 解决现有HIN相似性度量对用户指定的元路径或元结构的敏感性问题。
• 克服元路径和元结构在捕捉复杂、有偏见语义方面的局限性。
• 开发一种自动化的、鲁棒的框架，整合HIN中所有可能的图式结构。
• 提出一种对元路径或元结构选择不敏感的统一相似性度量。
• 通过语义丰富、结构感知的相似性计算，提升聚类和排序任务的性能。

提出的方法

• 引入循环元结构（RecurMS），一种HIN中的图式结构，支持对象类型的重复遍历，从而实现复杂、语义丰富的模式的自动构建。
• 将RecurMS分解为循环元路径和循环元树，以解耦对象类型，实现细粒度的语义建模。
• 为每个循环元路径和元树定义换位矩阵，以形式化对象之间的语义关系。
• 通过加权求和的方式组合换位矩阵，权重由局部或全局加权策略确定。
• 将最终组合的矩阵作为基于循环元结构的相似性（RMSS）度量的基础。
• 将计算过程分离为离线（结构构建与矩阵计算）和在线（相似性检索）阶段，以提升效率。

实验结果

研究问题

• RQ1 如何使HIN中的相似性度量对用户指定的元路径或元结构的变化具有鲁棒性？
• RQ2 能否自动构建一种统一的图式结构，以捕捉HIN中多样的语义关系？
• RQ3 与传统元路径和元结构相比，循环元路径和元树在多大程度上提升了语义丰富性？
• RQ4 局部和全局加权策略在排序和聚类任务中对相似性度量性能有何影响？
• RQ5 所提出的RMSS能否在鲁棒性和准确性方面优于SOTA度量方法（如PathSim、BPCRW和BSCSE）？

主要发现

• 在多个数据集上，RMSS采用局部和全局加权策略时，在聚类和排序任务中均持续优于PathSim、BPCRW和BSCSE。
• 当以CIKM和TKDE为源对象时，RMSS采用局部加权策略的nDCG得分略高于BPCRW，但在λ=0.4、0.5、0.6时，对SIGMOD的得分略低于BPCRW。
• RMSS采用全局加权策略在所有测试配置下均略优于BSCSE；当以CIKM和TKDE为源时，RMSS采用局部加权策略也优于BSCSE。
• 与PathSim相比，RMSS在nDCG指标上表现更优，表明RMSS具有更优的排序性能。
• RMSS在在线阶段表现出高效率，DBLPr上的在线计算时间分别为0.0077秒（局部）和0.0237秒（全局），尽管离线成本更高，但仍优于BPCRW的运行速度。
• RMSS的离线阶段计算密集（例如，DBLPr上约14.5k–15.0k秒），但可在支持GPU加速的分布式环境中预计算，从而实现低延迟的在线相似性查询。