13、图神经网络中的链接预测与图生成技术

图神经网络中的链接预测与图生成技术

1. 基于SEAL的链接预测

1.1 SEAL框架介绍

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SEAL（可理解为用于链接预测的子图、嵌入和属性）则是一种基于子图的算法，它着眼于目标节点的局部邻域。SEAL框架用于学习图结构特征以进行链接预测，其主要步骤如下：
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）来形成训练数据。
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]

封闭子图提取过程相对简单，即列出目标节点及其k - 跳邻居，提取它们的边和特征。k值越高，SEAL能学习到的启发式规则质量越好，但会产生更大的子图，计算成本也更高。

1.2 节点信息构建

节点信息构建的第一个组件是节点标记，它为每个节点分配一个特定的数字，使GNN能够区分目标节点和上下文节点（其邻居），同时嵌入描述节点相对位置和结构重要性的距离信息。

在实践中，目标节点需要共享唯一标签以标识为目标节点。对于上下文节点，如果它们与目标节点的距离相同，则共享相同的标签。SEA