用于链路预测的边提议集
社会与信息网络
2021-07-01 v1 机器学习
摘要
图是复杂关系数据（如社交网络和蛋白质相互作用）的常用模型，此类数据可能随时间演化（例如新的友谊）并含有噪声（例如未测量的相互作用）。链路预测旨在预测图中的未来边或推断缺失边，并在推荐系统、实验设计和复杂系统中有多样应用。尽管链路预测算法强烈依赖于图中的边集合，现有方法通常不改变图拓扑以提升性能。在此，我们展示如何简单地将一组边（我们称之为提议集（proposal set））作为预处理步骤加入图中，从而提升若干链路预测算法的性能。其基本思想是：若提议集中的边总体上与图的结构一致，链路预测算法会进一步被引导至预测正确的边；换言之，添加边提议集是一种信号增强的预处理步骤。我们展示了如何利用现有链路预测算法生成有效的提议集，并在多个合成与实证数据集上评估该方法。我们发现提议集切实提升了基于邻域启发式和图神经网络的链路预测算法的准确性。代码见 \url{https://github.com/CUAI/Edge-Proposal-Sets}。
引用
@article{arxiv.2106.15810,
title = {Edge Proposal Sets for Link Prediction},
author = {Abhay Singh and Qian Huang and Sijia Linda Huang and Omkar Bhalerao and Horace He and Ser-Nam Lim and Austin R. Benson},
journal= {arXiv preprint arXiv:2106.15810},
year = {2021}
}