一种基于有效图学习的时间链接预测方法：WSDM Cup 2022 第一名
社会与信息网络
2022-03-04 v1 人工智能
信息检索
机器学习
摘要
时间链接预测作为时间图中最关键的工作之一，吸引了研究领域的广泛关注。WSDM Cup 2022 寻求在时间图上预测时间跨度内边存在概率的解决方案。本文介绍了 AntGraph 的方案，其在该竞赛中获得第一名。我们首先通过去除时间信息分析了性能的理论上界，这意味着仅利用图上的结构与属性信息即可取得优异性能。基于该假设，我们进而引入了若干精心设计的特征。最后，在竞赛数据集上的实验表明了我们所提方法的优越性，其在数据集 A 上取得了 0.666 的 AUC 分数，在数据集 B 上取得了 0.902 的 AUC 分数，消融研究也证明了各特征的有效性。代码公开于 https://github.com/im0qianqian/WSDM2022TGP-AntGraph。
引用
@article{arxiv.2203.01820,
title = {An Effective Graph Learning based Approach for Temporal Link Prediction: The First Place of WSDM Cup 2022},
author = {Qian Zhao and Shuo Yang and Binbin Hu and Zhiqiang Zhang and Yakun Wang and Yusong Chen and Jun Zhou and Chuan Shi},
journal= {arXiv preprint arXiv:2203.01820},
year = {2022}
}
备注
4 pages, the first place of WSDM Cup 2022 (Temporal Link Prediction)