神经过程如何改进图链接预测
机器学习
2021-10-01 v1 机器学习
摘要
链接预测是图数据分析中的一个基本问题。虽然大多数文献关注直推式链接预测（训练时需要所有图节点和大部分链接），但归纳式链接预测（训练时仅使用一部分节点及其链接）在各种现实应用中是更具挑战性的问题。本文提出一种结合图神经网络的元学习方法用于链接预测：图神经网络的神经过程（NPGNN），该方法可执行直推式和归纳式学习任务，并在使用小 subgraph 训练后适应大型新图中的模式。在真实世界图上的实验验证了我们的模型，结果表明所提方法相较于其他 SOTA 模型取得了更强的性能，同时在小 subgraph 上训练时具有良好的泛化能力。
引用
@article{arxiv.2109.14894,
title = {How Neural Processes Improve Graph Link Prediction},
author = {Huidong Liang and Junbin Gao},
journal= {arXiv preprint arXiv:2109.14894},
year = {2021}
}