模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2021, Vol. 34 Issue (2): 95-105    DOI: 10.16451/j.cnki.issn1003-6059.202102001
“网络科学与信息推荐”专题 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于对抗图卷积网络的链接预测模型
唐晨1, 赵杰煜1, 叶绪伦1, 俞书世1
1.宁波大学 信息科学与工程学院 宁波 315211
Link Prediction Model Based on Adversarial Graph Convolutional Network
TANG Chen1, ZHAO Jieyu1, YE Xulun1, YU Shushi1
1. Faculty of Electrical Engineering and Computer Science, Ning-bo University, Ningbo 315000

全文: PDF (807 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 大部分的链接预测模型在挖掘节点相似性时过于依赖已知的链接信息,但在真实世界中,已知的观测链接数量通常较少.因此,为了提高模型的鲁棒性,需要提高解耦模型对链接信息的依赖并挖掘节点的潜在特征.文中考虑节点特征和链接之间的潜在关系,提出基于对抗图卷积网络的链接预测模型.首先利用节点间的相似性度量填充邻接矩阵中部分未知链接,缓解链接稀疏对图卷积模型的影响.再利用对抗网络深度挖掘节点特征和链接之间的潜在联系,降低模型对链接的依赖.在真实数据集上的实验表明,文中模型在链接预测问题上具有较好的表现力,在链接稀疏的情况下性能依旧较稳定,同时适用于大规模数据集.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
唐晨
赵杰煜
叶绪伦
俞书世
关键词 链接预测对抗网络图卷积网络隐空间    
Abstract:Most link prediction models rely too much on the known link information while mining node similarity. However, the number of the known observed links is small in the real world. To improve the robustness of the model, it is crucial to decouple the dependence of the model on the link information and mine the underlying features of nodes. In this paper, a link prediction model based on adversarial graph convolutional network is proposed with the consideration of the potential relationship between node features and links. Firstly, the similarity metric between nodes is utilized to fill in some unknown links in the adjacency matrix to alleviate the influence of link sparsity on the graph convolution model. Then, the adversarial network is employed to deeply mine the underlying connections between node features and links to reduce the dependence of the model on links. Experiments on real datasets show that the proposed model achieves better performance on link prediction problem and the performance remains relatively stable under link sparsity. Moreover, the proposed model is applicable to large-scale datasets.
Key wordsLink Prediction    Adversarial Network    Graph Convolutional Network    Hidden Space   
收稿日期: 2020-09-27     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.62071260,62006131)资助
通讯作者: 赵杰煜,博士,教授,主要研究方向为计算智能、模式识别、自然人机交互.E-mail:zhao_jieyu@nbu.edu.cn.   
作者简介: 唐 晨,硕士研究生,主要研究方向为图神经网络、模式识别.E-mail:952304255@qq.com.叶绪伦,博士,讲师,主要研究方向为贝叶斯学习、凸优化.E-mail:yexulun@nbu.edu.cn.俞书世,硕士研究生,主要研究方向为生成对抗网络、模式识别.E-mail:406258696@qq.com.
引用本文:   
唐晨, 赵杰煜, 叶绪伦, 俞书世. 基于对抗图卷积网络的链接预测模型[J]. 模式识别与人工智能, 2021, 34(2): 95-105. TANG Chen, ZHAO Jieyu, YE Xulun, YU Shushi. Link Prediction Model Based on Adversarial Graph Convolutional Network. , 2021, 34(2): 95-105.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202102001      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I2/95
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn