wsGAT：用于链接预测的加权有符号图注意力网络
社会与信息网络
2022-02-01 v1 机器学习
物理与社会
摘要
图神经网络（GNN）已被广泛用于学习图上的表示，并解决来自广泛领域的许多现实世界问题。在本文中，我们提出 wsGAT，即图注意力网络（GAT）层的扩展，旨在解决缺乏能够处理具有有符号和加权链接的图的 GNN 的问题，这类图在信任网络和关联网络等中无处不在。我们首先通过将所提方法与 GCNII 在加权链接预测任务中比较，以及与 SGCN 在链接符号预测任务中比较，来评估其性能。之后，我们结合这两个任务，并展示它们在预测链接的有符号权重及其存在性方面的性能。我们在真实网络上的结果表明，具有 wsGAT 层的模型优于具有 GCNII 和 SGCN 层的模型，并且在预测有符号权重时性能没有损失。
引用
@article{arxiv.2109.11519,
title = {wsGAT: Weighted and Signed Graph Attention Networks for Link Prediction},
author = {Marco Grassia and Giuseppe Mangioni},
journal= {arXiv preprint arXiv:2109.11519},
year = {2022}
}