典型文献
融合图注意力的多特征链接预测算法
文献摘要：
链接预测是复杂网络中重要的研究方向之一.利用神经网络学习预定义的启发式特征近年来受到广泛关注.但是目前此类方法主要利用目标链接的局部子图预测链接,具有较强的局部性.针对这一问题,在SEAL算法的基础上,提出了利用多特征融合图注意力进行链接预测的算法ADNSL.该模型支持多类型的节点嵌入特征作为输入,包括局部特征生成和全局特征提取两部分.对于局部特征生成模块,利用图卷积层,将局部子图中的节点特征交互融合.为了弥补SEAL中的特征无效性和节点无偏性,提出了双向无参注意力.在全局特征提取模块中,利用迭代公式生成聚合图以降低struc2vec节点嵌入算法的复杂度,进而从全局角度挖掘可解释的结构特征,可以有效提升链接预测算法性能.实验表明,ADNSL算法可以合理地利用多类型节点嵌入特征,在八个不同领域的真实数据集上的表现明显优于多个基准算法.
文献关键词：
链接预测;节点嵌入;图神经网络;注意力机制;聚合图
中图分类号：
作者姓名：
张雁操;赵宇海;史岚
作者机构：
东北大学 计算机科学与工程学院,沈阳 110169
文献出处：
引用格式：
[1]张雁操;赵宇海;史岚-.融合图注意力的多特征链接预测算法)[J].计算机科学与探索,2022(05):1096-1106
A类：
ADNSL,struc2vec
B类：
图注意力,链接预测,预测算法,复杂网络,神经网络学习,预定,启发式,前此,目标链,子图,局部性,SEAL,多特征融合,多类型,节点嵌入,嵌入特征,局部特征,特征生成,全局特征提取,成模,图卷积,卷积层,节点特征,特征交互,交互融合,无效性,无偏性,取模,迭代公式,聚合图,全局角度,可解释,算法性能,八个,真实数据,图神经网络,注意力机制
AB值：
0.38
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
