May, 2024

基于 PU 学习的准确链路预测

PDF
TL;DR提出了一种基于正无标号（PU）学习的准确链接预测方法 PULL（PU-Learning-based Link predictor），它通过为每个边引入潜在变量并利用相对于这些变量的预期图结构，有效地防止链接预测器过度拟合观察到的图，在边不完整的图中预测链接的性能优于基线模型。
edge-incomplete graphlink predictionmissing linkspu learninglatent variables
发现论文，激发创造
  • 基于上下文学习的通用链接预测器

    本研究介绍了一种名为 UniLP 的全能连接预测模型，它结合了启发式方法的普适性和参数化模型的模式学习能力，能够自动识别不同图表的连接模式并在无需针对性训练的情况下迅速应用于任何未知图表数据集。该模型通过 In-context Learning (ICL) 的实现解决了不同图表之间独特分布导致的连接模式冲突问题，通过顺应上下文演示动态调整到各种目标图表，避免了负面迁移。通过严格的实验证明了 UniLP 在适应新的未知图表上的有效性，并展示了它与为特定数据集进行微调的参数化模型性能相当甚至胜过的能力。我们的发现突出了 UniLP 在连接预测领域中将启发式方法和参数化方法的优势结合于一个多用途框架中的潜力。

    Feb, 2024

  • 学习和提取图特征进行链接预测的综述

    本文对复杂网络中的链接预测方法进行了广泛的综述，将其分为四大类，包括基于相似性、基于概率、基于关系模型和基于学习的方法。此外，还介绍了一系列可用于研究链接预测的网络数据集。最后，讨论了最近的发展趋势和未来研究方向。

    Jan, 2019

  • 基于结构感知图学习的正无标签节点分类

    本文提出了一种利用图结构进行正样本 - 未标记样本节点分类的方法，通过引入图中的同类偏执（homophily）来增加准确的监督信息，并提出了一种正则化项，以使模型与图结构对齐。理论分析表明，最小化所提出的损失函数也同时最小化了期望损失，可适用于同时具有正负标签的样本。大规模的实证评估表明，该方法相比现有的最先进方法具有更卓越的性能。

    Oct, 2023

  • LinkGPT: 教授大型语言模型预测丢失链接

    本研究提出了 LinkGPT，首个用于链接预测任务的端到端训练的大型语言模型 (LLM)，通过有效整合结构信息和解决效率问题，在真实世界的图和零样本学习中取得了领先水平的性能。

    Jun, 2024

  • 多个知识图谱嵌入模型上应用注意力的链接预测

    通过结合多种模型的查询表示，用注意力机制选择最合适的模型来回答每个查询，将模型映射到柏克莱球形空间中，以学习关系和结构模式，提供更高的表现力和推断能力，并在各种链接预测基准测试中展开了广泛的实验分析，表明综合模型优于个别模型，包括最先进的方法。

    Feb, 2023

  • 生成式图神经网络用于链接预测

    本文提出了一种名为 GraphLP 的新的基于网络重构理论的、区别于传统的判别式神经网络模型的生成式神经网络模型，利用深度学习提取图表结构信息并探索高阶连接模式以实现链路预测，实验证明 GraphLP 在不同数据集上都具有优异性能。

    Dec, 2022

  • 利用反事实链接进行链接预测的学习

    本文就缺失链接预测问题提出了一种新的数据增强算法，采用因果模型来创建反事实链接，并结合观察链接和反事实链接学习图的表示，实验表明该方法在链接预测任务上具有最先进的性能。

    Jun, 2021

  • 重新审视链接预测：数据视角

    本文以数据为中心的观点，旨在研究不同数据集中的链接预测原则，确认了三个关键因素：局部结构接近度、全局结构接近度和特征接近度，并揭示了它们之间的关系。新的洞察启发了 GNN4LP 模型设计以及选择适当基准数据集进行更全面评估的实用指导。

    Oct, 2023

  • 揭示异质结构对图正 - 无标记学习的影响

    图上正无标（PU）学习面临着边异质性的重要挑战，我们提出了一种名为图上 PU 学习与标签传播损失（GPL）的新方法，它考虑了 PU 节点的学习以及中间异质性的减少，以减轻异质结构的负面影响，并在内部循环中降低异质度，在外部循环中高效地学习分类器。大量实验表明，GPL 显著优于基线方法，证实了其有效性和优越性。

    May, 2024

  • 知识图谱中基于路径的神经网络的归纳链接预测

    本文提出了使用孪生神经网络的基于路径的归纳链接预测模型 SiaILP，仅依赖关系和路径嵌入，可泛化到新实体而无需微调，实验证明该模型在归纳版本的 WN18RR、FB15k-237 和 Nell995 的链接预测任务中取得了多个最新的最优性能。

    Dec, 2023