基于启发式方法的多层网络链接预测混合专家模型
机器学习
2025-01-30 v1 社会与信息网络
物理与社会
摘要
多层网络链接预测算法原则上需要有效地考虑整个层级结构，同时捕捉每一层所提供的独特上下文。然而，许多现有方法在预测特定层的特定链接时表现出色，但在其他层面临挑战，因为它们未能有效利用不同网络层之间编码的多样化信息。本文提出了 MoE-ML-LP，即首个专为多层链接预测设计的混合专家（Mixture-of-Experts, MoE）框架。基于多层链接预测的启发式方法，MoE-ML-LP 综合了各类专家所作出的决策，显著提升了预测能力。我们在真实网络和合成网络上的大量实验评估表明，MoE-ML-LP 一致优于多个基线方法和竞争方法，在 Mean Reciprocal Rank 上提升 +60%，Hits@1 上提升 +82%，Hits@5 上提升 +55%，Hits@10 上提升 +41%。此外，MoE-ML-LP 具备模块化架构，能够无缝集成新开发的专家，而无需重新训练整个框架，从而促进了对新专家的效率和可扩展性，为链接预测领域的未来发展铺平了道路。
引用
@article{arxiv.2501.17557,
title = {Heuristic-Informed Mixture of Experts for Link Prediction in Multilayer Networks},
author = {Lucio La Cava and Domenico Mandaglio and Lorenzo Zangari and Andrea Tagarelli},
journal= {arXiv preprint arXiv:2501.17557},
year = {2025}
}
备注
Under Review