信息工程学院

讲座时间：2022年6月10日13时30分

讲座地点：工B308

讲座对象：信息工程学院全体教师

讲座摘要：

复杂网络中的链路预测皆在发现网络节点之间隐藏的或将要生成的链路。主流的基于图神经网络（GNN）的链路预测方法主要集中在节点表示学习方面，容易出现过平滑问题。本讲座皆在分享一个链接表示学习的方法，该方法设计了一种边卷积运算来实现链接表示学习。此外，提出一种学习链接表示的规范化策略，以缓解基于边缘卷积的链路预测模型在构建链路预测模型时的过平滑问题。然后，采用从最终学习的链接表示中解析出边关联的两个节点的表示，最后，对解析出的两个节点的表示进行Hadamard乘积，并用用分类器sigmod进行分类从而实现链接预测。该方法不仅缓解了模型过平滑问题，而且与代表性基线相比也具有一定的优势。