CCF发布异质图定义，石川教授谈术语背后的故事

感谢CCF术语委员会邀请我撰写异质图的定义。简单说一下花了12年时间定义这条术语的背后故事。

作为Philip Yu教授的大陆首位访问学者，我于2011年初最早阅读了还未正式出版的这个方向奠基性工作PathSim(Yizhou Sun, Jiawei Han, Philip Yu, VLDB11, 引用1723，听说也被拒了好几次)，就被这个工作深深吸引，紧接着提出了HeteSim(EBDT12/TKDE14，引用419)。针对heterogeneous (information) network如何翻译，直观的叫法就是异构网络，作为北邮的老师，我很清楚异构网络是如日中天的网络与通讯里面的专有名词，容易引起混淆；异质更能反映网络中节点和边不同特质，因此我最早开始叫“异质网络”。异质网络分析本来是偏安于数据挖掘领域的一个方向，虽由泰斗发起，但也经历了起初兴起，而后进入平淡；我一直坚持异质网络分析研究，提出了基于异质网络的推荐技术(SemRec, CIKM15, 270+)，也没有太大水花，也没有太多争议。

随着网络表示学习的兴起与应用，异质网络表示学习也热门了起来；特别是工业界实际业务需要异质网络建模，异质网络分析也重新火了起来，很多人也直观的叫异构网络，而我已经宣扬了6,7年的异质网络。有时候也想过放弃我的叫法，但是我一直认为异质网络是个更好的翻译。在这个阶段我们也提出了代表性的浅层表示HeRec(TKDE18, 引用700+)和深层表示模型HAN(WWW19, 引用1200+)。

随着图神经网络时代的到来，异质网络进一步走出了数据挖掘圈，影响到AI届。heterogeneous network也逐步变成了heterogeneous graph. 图既是一种建模方式，也是一种数据形式。异质图神经网络也成为图神经网络的重要分支，也广泛在工业界应用。更多的人开始接受异质图的叫法。 

今天有机会定义这个术语，由我结束因我产生的这个混乱。目睹了学术界一些名词之争（如强化学习/增强学习，演化计算/进化计算）。我本无意产生这种混乱，只是没想到一个方向做了十多年，见证了兴衰起伏，也能够有幸引领发展。希望能够坚持一些对的事情，做一些对该方向有价值的事情。

长按下图并点击“识别图中二维码”

即可关注北邮 GAMMA Lab 公众号