仅需传播：统一矩阵分解、网络嵌入和 LightGCN 用于链路预测
机器学习
2024-10-30 v1 人工智能
摘要
链路预测是图分析中的一项基本任务。尽管各种基于图的机器学习模型在链路预测中取得了成功，但缺乏对不同模型的通用理解。在本文中，我们提出了一个统一的链路预测框架，该框架涵盖了矩阵分解以及代表性的网络嵌入和图神经网络方法。我们初步的方法论和实证分析进一步揭示了基于我们统一框架的几个关键设计因素。我们相信，我们的结果可以加深我们对链路预测方法的理解，并启发新的设计。
引用
@article{arxiv.2410.21325,
title = {Just Propagate: Unifying Matrix Factorization, Network Embedding, and LightGCN for Link Prediction},
author = {Haoxin Liu},
journal= {arXiv preprint arXiv:2410.21325},
year = {2024}
}