13、利用图神经网络进行链接预测与图生成

利用图神经网络进行链接预测与图生成

1. 利用SEAL进行链接预测

在链接预测领域，之前介绍的基于节点的方法是通过学习相关节点嵌入来计算链接可能性。而另一种方法则是关注目标节点的局部邻域，这类技术被称为基于子图的算法，其中SEAL（可理解为用于链接预测的子图、嵌入和属性）使其得到了广泛应用。

1.1 SEAL框架介绍

SEAL是一个用于链接预测的框架，它学习图结构特征。该框架将目标节点及其k - 跳邻域所形成的子图定义为封闭子图，并将其作为输入（而非整个图）来预测链接可能性，实际上是自动学习一种局部启发式方法进行链接预测。

SEAL框架包含以下三个步骤：
1. 封闭子图提取 ：选取一组真实链接和一组虚假链接（负采样）来构成训练数据。
2. 节点信息矩阵构建 ：包含节点标签、节点嵌入和节点特征三个组件。
3. GNN训练 ：以节点信息矩阵为输入，输出链接可能性。

下面是SEAL框架的流程图：

graph LR
    A[封闭子图提取] --> B[节点信息矩阵构建]
    B --> C[GNN训练]
    C --> D[输出链接可能性]

封闭子图提取过程相对简单，列出目标节点及其k - 跳邻域，提取其边和特征。较大的k值能提升SEAL学习的启发式方法的质量，但会产生更大的子图，计算成本也更高。

节点信息构建的第一个组件是节点标注。