基于 2-hop 路径拓扑特征的二分链接预测
社会与信息网络
2020-03-20 v1 机器学习
机器学习
摘要
多种现实系统可建模为二分网络。线性图自编码器（Linear-Graph Autoencoder, LGAE）是一类强大且简单的链接预测方法，在链接预测与节点聚类等挑战性任务上表现优异。LGAE 依赖于关于图邻接矩阵的简单线性模型来学习节点的向量空间表示。在本文中，我们考虑节点属性不可用的二分链接预测情形。在使用 LGAE 时，我们提议将重构的邻接矩阵与一个对称归一化的训练邻接矩阵相乘。由此形成 2-hop 路径，我们将其作为预测的邻接矩阵以评估模型性能。在合成与真实数据集上的实验结果表明，我们的方法在 12 个二分数据集中的 10 个上持续优于图自编码器（Graph Autoencoder）与线性图自编码器模型，并在另外 2 个二分数据集上取得有竞争力的性能。
引用
@article{arxiv.2003.08572,
title = {Bipartite Link Prediction based on Topological Features via 2-hop Path},
author = {Jungwoon Shin},
journal= {arXiv preprint arXiv:2003.08572},
year = {2020}
}
备注
8 pages