融合图注意力的多特征链接预测算法

摘要：

链接预测是复杂网络中重要的研究方向之一.利用神经网络学习预定义的启发式特征近年来受到广泛关注.但是目前此类方法主要利用目标链接的局部子图预测链接,具有较强的局部性.针对这一问题,在SEAL算法的基础上,提出了利用多特征融合图注意力进行链接预测的算法ADNSL.该模型支持多类型的节点嵌入特征作为输入,包括局部特征生成和全局特征提取两部分.对于局部特征生成模块,利用图卷积层,将局部子图中的节点特征交互融合.为了弥补SEAL中的特征无效性和节点无偏性,提出了双向无参注意力.在全局特征提取模块中,利用迭代公式生成聚合图以降低struc2vec节点嵌入算法的复杂度,进而从全局角度挖掘可解释的结构特征,可以有效提升链接预测算法性能.实验表明,ADNSL算法可以合理地利用多类型节点嵌入特征,在八个不同领域的真实数据集上的表现明显优于多个基准算法.

关键词：链接预测、节点嵌入、图神经网络、注意力机制、聚合图

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家重点研发计划

在线出版日期：2022-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1096-1106