Co je to predikce odkazu a jaké architektury používají?

Predikce spojení je úkol v analýze grafů, kde je třeba předpovědět pravděpodobnost existence hrany mezi dvěma uzly na základě struktury grafu a vlastností uzlů.

Hlavní architektury a přístupy k predikci spojení:

• Metody založené na vlastnostech (Feature-based): využívají charakteristiky uzlů a jejich sousedů, například společné sousedy, Jaccardův koeficient.

• Grafové neuronové sítě (Graph Neural Networks, GNN): trénují reprezentace uzlů s ohledem na jejich okolí. Oblíbené architektury:

  • Graph Convolutional Networks (GCN)
  • Graph Attention Networks (GAT)
  • GraphSAGE

• Modely založené na vkladech (embeddings): uzly jsou reprezentovány vektorovým prostorem a spojení je předpovězeno pomocí operací nad vektory (například skalární součin).

• Modely založené na pravděpodobnostních grafech: využívají pravděpodobnostní modely k hodnocení spojení.

Příklad s GNN pro predikci spojení: nejprve se trénuje GNN pro získání vkladeb uzlů, poté se vypočítá pravděpodobnost hrany mezi dvěma uzly pomocí funkce podobnosti (například skalárního součinu) a aplikuje se sigmoid pro získání pravděpodobnosti.