Was ist Link-Vorhersage und welche Architekturen verwenden sie?

Link-Vorhersage ist eine Aufgabe in der Graphanalyse, bei der die Wahrscheinlichkeit des Bestehens einer Kante zwischen zwei Knoten vorhergesagt werden soll, basierend auf der Struktur des Graphen und den Eigenschaften der Knoten.

Die wichtigsten Architekturen und Ansätze für die Link-Vorhersage:

• Feature-basierte Methoden: verwenden Eigenschaften der Knoten und ihrer Nachbarn, z.B. gemeinsame Nachbarn, Jaccard-Koeffizient.

• Graph-Neuronale Netze (Graph Neural Networks, GNN): trainieren Repräsentationen von Knoten unter Berücksichtigung ihrer Umgebung. Beliebte Architekturen:

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

• Modelle auf Basis von Embeddings: Knoten werden in einem Vektorraum dargestellt, und die Verbindung wird durch Operationen an den Vektoren vorhergesagt (z.B. Skalarprodukt).

• Modelle auf Basis probabilistischer Graphen: verwenden probabilistische Modelle zur Bewertung der Verbindungen.

Beispiel mit GNN für Link-Vorhersage: Zuerst trainiert man eine GNN, um Embeddings der Knoten zu erhalten, dann berechnet man die Wahrscheinlichkeit einer Kante zwischen zwei Knoten durch eine Ähnlichkeitsfunktion (z.B. Skalarprodukt) und wendet eine Sigmoid-Funktion an, um die Wahrscheinlichkeit zu erhalten.