链接预测的实例判别
机器学习
2026-05-21 v1 人工智能
摘要
最近，实例判别模型已成为自监督学习的主要解决方案之一。虽然该方法已在图像领域证明有效，但在图领域中，实例判别学习同样同样证明了同样的说法，尤其是在节点分类任务中。然而，针对链接预测任务的贡献仍较少。在本贡献中，我们提出适应现有方法以适用于此上下文的方案。首先，我们对现有自监督模型在链接预测领域的评估进行严格的评估，表明主要性能取决于增强过程（就计算机视觉而言）。我们随后提出一种基于社区结构的新型增强方案，这一结构增强方案对于链接预测尤为 relevant。我们的主要贡献引入两个新模型，L-GRACE 和 L-BGRL，基于链接表示而非节点表示，显著改善了现有方法的性能，尤其在无属性图上，并表明它们在有监督和自监督情境中均与最先进的方法持平。
引用
@article{arxiv.2605.20257,
title = {Instance Discrimination for Link Prediction},
author = {Valentin Cuzin-Rambaud and Mathieu Lefort and Rémy Cazabet},
journal= {arXiv preprint arXiv:2605.20257},
year = {2026}
}