图神经网络实战(15)——SEAL链接预测算法
0. 前言
我们已经学习了基于节点嵌入的链接预测算法,这种方法通过学习相关的节点嵌入来计算链接可能性。接下来,我们介绍另一类方法,通过查看目标节点周围的局部邻域执行链接预测任务,这类技术称为基于子图的算法,由 SEAL
广泛使用,可以说 SEAL
表示用于链接预测的子图、嵌入和属性 (Subgraphs, Embeddings, and Attributes for Link prediction
) 的缩写,但并不完全准确。在本节中,我们将介绍 SEAL
框架,并使用 PyTorch Geometric
实现该框架。
1. SEAL 框架
1.1 基本原理
SEAL
由 Zhang
和 Chen
于 2018
年提出,是一个学习图结构特征以进行链接预测的框架。它将目标节点 ( x , y ) (x,y)