计算机应用

作者：杜郁, 朱焱

单位：西南交通大学 计算机与人工智能学院，成都 611756

关键词：动态图,预训练,图表示学习,图神经网络,网络模体

基金：四川省科技计划项目(2019YFSY0032)

现有链接消失问题研究工作一部分只停留在发现和分析链接消失的原因上，一部分仅使用静态网络表示进行预测，很少从网络动态演化的角度分析链接消失预测问题。针对以上研究现状，提出一种预训练动态图神经网络学术合作行为消失预测模型PreDGN（Pre-trained Dynamic Graph neural Network）。PreDGN首先通过动态图生成预训练任务捕捉动态网络的时间信息，同时利用时序模体构造的边特征补充网络的拓扑信息；其次，结合基于时间编码的注意力节点嵌入，能够更精准地学习节点的表征。经过预训练的模型学习了动态图的历史信息，而且可以在特定的学术合作行为消失预测任务中进行微调。使用公开学术合作数据集HepTh中不同时间跨度、不同数据规模数据进行实验的结果表明，在1996、1997、94—96和97—99子数据集上，相较于次优的动态图神经网络方法（DyRep），所提模型的曲线下面积（AUC）指标分别提高了10.47、8.16、13.41和3.27个百分点，平均精度（AP）指标分别提高了5.87、2.15、8.26和3.01个百分点。

来源：2024年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第9期