MPXGAT：一种基于注意力机制的深度学习模型，用于多重网络嵌入
原文中文，约300字，阅读约需1分钟。发表于：。MPXGAT 是一种基于注意力机制的深度学习模型，专门用于多重图嵌入，通过利用图注意力网络（GATs）的鲁棒性，它捕捉多重网络的结构，从而促进了网络多个层内和层间的准确链路预测。我们在各种基准数据集上进行的全面实验评估证实，MPXGAT 始终优于最先进的竞争算法。
提出了一种名为Directional Graph Attention Network (DGAT)的新型图神经网络结构，利用特征注意力和全局方向信息提高图信息的传播能力，并通过拓扑信息引导的节点剪枝和边添加机制以及新的拉普拉斯矩阵来改善GAT存在的局限性。实验证明DGAT在真实数据集和合成数据集上性能优于传统的GAT模型，并超越了现有的最先进模型。
