基于邻域采样的异质网络链接预测算法
刘臣
谢宁静
周立欣
上海理工大学管理学院 上海 200093
摘要：面对规模日益增长的图数据,传统的图卷积模型直接在大规模图上进行训练需要耗费大量的计算资源和时间,采样方法通过灵活构建输入模型中的数据成为缓解这一问题的常用措施.现有采样方法多针对同质网络,并且在考虑训练过程中出现的邻居爆炸、训练成本过大的问题时仍然存在欠缺.为解决大规模网络训练的这一缺陷,论文提出一种基于邻域子图采样的训练框架,使得图卷积网络能够在大规模异质网络上高效地完成训练.具体而言,论文方法首先将邻域采样和批量处理结合起来,利用k阶采样器对完整的异质网络进行采样得到批量邻域子图,然后使用关系图卷积模型对各子图进行特征提取,从而获得链接预测评分.为了评估该采样算法的有效性,论文在三种规模不同的异质网络数据集FB15k-237,FB-Toy,WN18上进行链接预测任务实验.实验表明,添加提出的邻域采样方法的关系图卷积模型与基线相比能够显著提升在大规模异质图中链接预测任务的准确率以及模型训练速度.
关键词：邻域采样异质网络图卷积模型邻域子图链接预测
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(71774111)上海市哲学社会科学规划一般课题(2021BTQ003)中国博士后科学基金面上项目(2021M692135)
论文发表日期：2022-10-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 2127-2134,2191 )
英文信息