计算机应用

作者：赵文博, 马紫彤, 杨哲

单位：1.苏州大学 计算机科学与技术学院，江苏 苏州 215008；2.江苏省计算机信息处理技术重点实验室（苏州大学），江苏 苏州 215006

关键词：图神经网络,有向超图,链接预测,超图卷积,表示学习,自适应卷积

基金：国家自然科学基金资助项目(62272332);教育部产学合作协同育人项目(220606363154256)

图神经网络（GNN）为链接预测提供了多样化的解决方案，但由于普通图的结构限制，目前的相关模型在充分利用顶点间的高阶及不对称信息方面存在明显的不足。针对以上问题，提出一种基于有向超图自适应卷积的链接预测模型。首先，使用有向超图结构更充分地表示顶点间的高阶和方向信息，兼具超图和有向图的优势；其次，有向超图自适应卷积采用自适应信息传播方式替代传统有向超图中的定向信息传播方式，从而解决了有向超边尾部顶点不能有效更新嵌入的问题，同时解决多层卷积导致的顶点过度平滑问题。在Citeseer数据集上基于显式顶点特征的实验结果显示，在链接预测任务上，相较于有向超图神经网络（DHNN）模型，所提模型的ROC （Receiver Operating Characteristic）曲线下面积（AUC）指标提升了2.23个百分点，平均精度（AP）提升了1.31个百分点。因此，所提模型可以充分表达顶点间的关系，并有效提高链接预测任务的性能。

来源：2025年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第1期