通过图注意力网络进行链接预测
社会与信息网络
2019-10-30 v3 机器学习
摘要
链接预测旨在基于当前观测到的部分网络推断缺失链接或预测未来链接，它是网络科学中的一个基本问题，具有大量现实应用。然而，传统的链接预测方法既不具备高预测精度，也无法揭示链接背后的隐藏信息。为解决该问题，我们推广了图上深度学习的最新技巧，并提出一种新的链接预测模型——DeepLinker。DeepLinker 不使用节点标签信息来学习节点表示，而是以链接作为监督信息。在五个图上的实验表明，DeepLinker 不仅能达到最先进的（SOTA）链接预测精度，还能作为副产品获得高效的节点表示与节点中心性排序。尽管这些表示是在无任何监督节点标签信息下获得的，它们在节点排序与节点分类任务上仍表现良好。
引用
@article{arxiv.1910.04807,
title = {Link Prediction via Graph Attention Network},
author = {Weiwei Gu and Fei Gao and Xiaodan Lou and Jiang Zhang},
journal= {arXiv preprint arXiv:1910.04807},
year = {2019}
}