用图神经网络外推路径

我们考虑路径推断问题：给定路径前缀，即图中部分观测的节点序列，我们想预测缺失后缀中的节点。特别地，我们关注作为智能体与网络交互副产品而出现的自然路径——交通网络上的驾驶员、维基百科中的信息搜寻者或在线商店中的客户。我们的兴趣源于这样一种认识：与最短路径问题相反，自然路径通常在任何图论意义上并非最优，但仍可能遵循可预测的模式。我们的主要贡献是一个称为Gretel的图神经网络。以路径前缀为条件，该网络可高效外推路径后缀、评估路径似然，并从未来路径分布中采样。我们在道路网络上的GPS轨迹与维基百科中的用户导航路径上的实验证实，Gretel能够适应性质差异很大的图，同时优于以往的解决方案。