SPAN：面向动态图的子图预测注意力网络
社会与信息网络
2021-08-18 v1 机器学习
摘要
本文提出一种用于动态图子图预测的新模型，它是传统链接预测的扩展。该端到端模型直接学习从当前快照中的子图结构到下一快照中子图结构的映射，即子图中多个节点间的边存在性。设计了一种名为带双塔模块的交叉注意力新机制，协同整合节点属性信息与拓扑信息以学习子图演化。我们在多个真实世界的同构与异构动态图上，分别将本模型与若干用于子图预测和子图模式预测的 SOTA 方法进行比较。实验结果表明，本模型在这两个任务上优于其他模型，增益提升为 5.02% 至 10.88%。
引用
@article{arxiv.2108.07776,
title = {SPAN: Subgraph Prediction Attention Network for Dynamic Graphs},
author = {Yuan Li and Chuanchang Chen and Yubo Tao and Hai Lin},
journal= {arXiv preprint arXiv:2108.07776},
year = {2021}
}
备注
Accepted by PRICAI 2021