从反事实链接中学习以进行链接预测

学习预测缺失链接对于许多基于图的应用十分重要。现有方法旨在学习观测图结构与节点对之间链接存在性之间的关联。然而，在图链接预测的学习中，这两个变量之间的因果关系在很大程度上被忽视了。在这项工作中，我们通过提出一个反事实问题来考察这一因素：“如果图结构与观测结果不同，该链接是否仍然存在？”其答案，即反事实链接，将能够扩充图数据以用于表示学习。为生成这些链接，我们采用因果模型，将节点对的信息（即学习到的表示）作为上下文，全局图结构属性作为处理变量，链接存在性作为结果变量。我们提出了一种新颖的基于数据增强的链接预测方法，该方法生成反事实链接并从观测链接与反事实链接中学习表示。在基准数据上的实验表明，我们的图学习方法在链接预测任务上取得了最先进的性能。