BriefGPT - AI 论文速递
·
节点复制提高冷启动链路预测
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
图神经网络（GNNs）用于链接预测，有两种广泛的分类：以节点为基础的体系结构和基于边的方法。研究人员提出了一种新颖的GNN体系结构，通过正向和负向边的前向传递来摄入更灵活但仍然廉价的以节点为基础的嵌入。该体系结构在经验评估中表现出与基于边的方法竞争性的准确性。
🎯
关键要点
- 图神经网络（GNNs）用于链接预测，主要分为两类：以节点为基础的体系结构和基于边的方法。
- 以节点为基础的体系结构为每个节点预先计算嵌入，推理时高效，但表达能力有限，可能无法区分同构节点。
- 基于边的方法通过形成特定于边的子图嵌入来提高准确性，但增加了模型复杂性。
- 提出了一种新颖的GNN体系结构，利用正向和负向边的前向传递，结合了节点嵌入的灵活性和低成本。
- 新体系结构通过正负样本分离的能量函数重新定义嵌入，保持了推理速度，并在准确性上与基于边的方法竞争。
➡️
