链路预测
文章平均质量分 89
链路预测相关
俺也好骚
我爱科研
展开
-
动态图或动态网络的表示
先占坑,等放假了好好写。原创 2021-01-06 17:37:12 · 1117 阅读 · 1 评论 -
Inductive Matrix Completion Based on Graph Neural Networks
参考文献 Inductive Matrix Completion Based on Graph Neural Networks - ICLR 2020〇、相关工作1、Graph Neural Network图神经网络(GNNs)是一种用于在图形上学习的新型神经网络。主要分为两种类型:Node Level GNNs和Graph Level GNNs。Nodelevel GNNs使用消息传递层在每个节点与其邻居之间迭代传递消息,以便为编码其局部子结构的每个节点提取特征向量。Graph level原创 2020-08-14 23:40:19 · 2571 阅读 · 3 评论 -
链路预测之基于局部信息的相似性指标
链接预测方法最简单的框架是基于相似度的算法,其中为每对节点xxx和yyy分配一个分数SxyS_{xy}Sxy,该分数直接定义为xxx和yyy之间的相似度(或邻近度)。所有未观察到的链接均根据其得分进行排名,并且连接更多相似节点的链接被认为具有较高的存在可能性。节点相似性可以通过使用节点的基本属性来定义:如果两个节点具有许多共同特征,则认为它们是相似的。本文主要介绍10个基于局部信息的相似性指标。1 局部相似性指标(1)Common Neighbours(CN)\small Commo原创 2020-07-13 16:03:15 · 2623 阅读 · 3 评论 -
链路预测之问题定义及衡量指标
问题定义及评价指标 定义(G,V,E)( G, V, E)(G,V,E) 为一个无向网络,其中V\small VV为节点集合,E\small EE为边集合。网络总的节点数为N\small NN,边数为M\small MM。该网络共有N(N−1)2\small \frac{N(N-1)}{2}2N(N−1)个节点对,即全集U\small UU。 将已知的连边E\small EE分为训练集ET\small E^TET和测试集EP\small E^PEP 两部分。从数据集中选取一部分边作为测试集EP\.原创 2020-07-13 15:55:00 · 2692 阅读 · 0 评论