流驱动空间网络的链接预测
计算机视觉与模式识别
2024-01-22 v2
摘要
链接预测算法旨在推断网络结构数据中节点之间连接（或链接）的存在，通常用于细化节点间的连通性。在这项工作中，我们关注流驱动空间网络的链接预测，这类网络嵌入于欧几里得空间中，并与物理交换和传输过程相关（例如血管中的血流或道路网络中的交通流）。为此，我们提出图注意力向量（GAV）链接预测框架。GAV 通过一种注意力式的、邻域感知的消息传递范式对空间网络中物理流的简化动力学进行建模，以受约束的方式更新向量嵌入。我们在由全脑血管图图和道路网络给出的八个流驱动空间网络上评估 GAV。GAV 在所有数据集和指标上均表现出优越性能，并在提交时在 ogbl-vessel 基准上以 12% 的优势超越当时最优方法（AUC 为 98.38 对比 87.98）。所有代码已在 GitHub 上公开。
引用
@article{arxiv.2303.14501,
title = {Link Prediction for Flow-Driven Spatial Networks},
author = {Bastian Wittmann and Johannes C. Paetzold and Chinmay Prabhakar and Daniel Rueckert and Bjoern Menze},
journal= {arXiv preprint arXiv:2303.14501},
year = {2024}
}