AITOP

链接预测

共 4 条相关 AI 资讯
8月11日
12:48
12:48官方账号arXiv cs.LG@Valentijn Oldenburg, Floris de Kam, Stef de Wildt, Jarno Nilson Balk
Mattos等人2025年提出，人口统计均等（Δ_DP）无法检测链接排名中的曝光偏差。本复现研究证明，即使某些子群链接被系统排名靠后，Δ_DP仍可能显示总体均等。研究验证了排名感知的归一化KL散度（NDKL）能有效检测此类差异，并复现了后处理方法MORAL在保持效用的同时改善曝光公平性。实验覆盖合成同质性设置、分类敏感属性及多种公平性指标，结果显示MORAL在多样场景中仅以极小效用损失减少偏差。代码已开源。
论文链接预测公平性NDKL
推荐理由：想搞懂链接预测公平性指标怎么选？这篇复现研究告诉你Δ_DP会漏掉排名里的偏见，NDKL和MORAL才是真能打的。
原文
8月6日
10:26
10:26官方账号arXiv cs.LG@Zidu Yin, Yuankai Qi, Dong Gong, Ehsan Abbasnejad, Kun Yue, Javen Qinfeng Shi
该论文提出名为 IGNP 的链接预测框架，将节点对间关系建模为影响传播。方法扩展 SIR 流行病模型，通过子图结构捕捉大规模节点影响。IGNP 利用虚拟边压缩子图，显著降低全局图结构的计算开销。在公开真实数据集上，IGNP 大幅优于现有强基线。
论文IGNPSIR模型链接预测
推荐理由：这篇论文把传染病传播模型用到链接预测上，搞了个IGNP框架，在真实数据集上比现有方法强不少。
原文
7月31日
12:23
12:23官方账号arXiv cs.LG@Neelam Akula, Surbhi Kumar, Murat Kantarcioglu, Baris Coskunuzer
论文提出一套无泄漏的 NC→LP 同图跨任务迁移协议，固定节点和边划分，并用排除被评估边的共享消息传递图配合固定负样本。在 GCN、GraphSAGE、GPS 三种主干上，实验显示迁移方向性很强：同质图上 NC→LP 稳定有益，而 LP→NC 在朴素表征复用时可能降低精度。LP→NC 主要只有在结构主导（LP 容易、NC 未饱和）时正向，说明 LP 相当于结构预训练。最后，论文提出 CoTask Score（CTS）来综合衡量共享编码器的 NC+LP 联合效用，并发现同质性等统计量可指导选择、避免负迁移。
论文GCNGraphSAGEGPS
推荐理由：同一张图上节点分类和链接预测怎么互相迁移？这篇用 GCN/GraphSAGE/GPS 跑出规律，还给了 CTS 分数避免负迁移。
原文
5月19日
11:26
11:26官方账号arXiv cs.AI@Luu Huu Phuc, Ratan Bahadur Thapa, Mojtaba Nayyeri, Jingcheng Wu, Evgeny Kharlamov, Steffen Staab
精选
本文提出GA-S2S框架，将T5-small编码器-解码器与关系图注意力网络（RGAT）结合，用于知识图谱链接预测。现有Seq2Seq模型仅依赖实体和关系的文本描述，最多将查询实体的邻域展平为线性序列，丢失了图结构信息。GA-S2S同时编码文本特征和查询实体周围的完整k跳子图拓扑，通过融合原始编码器输出与RGAT的关系感知嵌入，捕获更丰富的多跳关系模式和文本信息。在CoDEx数据集上的初步实验表明，GA-S2S相比竞争性的Seq2Seq基线模型，链接预测准确率最高提升19%。
论文知识图谱链接预测图神经网络
推荐理由：做知识图谱推理或链接预测的团队，GA-S2S用图结构补上了Seq2Seq模型的盲区，效果提升明显，值得在CoDEx等数据集上复现试试。
原文