網絡中的鏈路預測(Link Prediction)是指如何通過已知的網絡節點以及網絡結構等信息預測網絡中尚未產生連邊的兩個節點之間產生鏈接的可能性。這種預測既包含了對未知鏈接(exist yet unknown links)的預測也包含了對未來鏈接(future links)的預測。該問題的研究在理論和應用兩個方麵都具有重要的意義和價值 。

VIP內容

論文題目: MAGNN: Metapath Aggregated Graph Neural Network for Heterogeneous Graph Embedding

摘要: 大量真實世界的圖或網絡本質上是異構的,涉及節點類型和關係類型的多樣性。異構圖嵌入是將異構圖的豐富結構和語義信息嵌入到低維節點表示中。現有的模型通常在異構圖中定義多個元數據來捕獲複合關係並指導鄰居選擇。但是,這些模型要麼忽略節點內容特性,要麼沿著元路徑丟棄中間節點,要麼隻考慮一個元路徑。為了解決這三個局限性,我們提出了一種新的集合圖神經網絡模型來提高最終性能。具體來說,MAGNN使用了三個主要組件,即,節點內容轉換封裝輸入節點屬性,元內聚合合並中間語義節點,元間聚合合並來自多個元的消息。在三個真實世界的異構圖數據集上進行了大量的節點分類、節點聚類和鏈路預測實驗,結果表明MAGNN的預測結果比最先進的基線更準確。

成為VIP會員查看完整內容
0
69
2
Top