¿Qué es la predicción de enlaces y qué arquitecturas utilizan?

La predicción de enlaces es una tarea en análisis de grafos, donde se debe predecir la probabilidad de existencia de una arista entre dos nodos, basándose en la estructura del grafo y las propiedades de los nodos.

Las principales arquitecturas y enfoques para la predicción de enlaces:

• Métodos basados en características (Feature-based): utilizan las características de los nodos y sus vecinos, por ejemplo, vecinos comunes, coeficiente de Jaccard.

• Redes neuronales gráficas (Graph Neural Networks, GNN): entrenan representaciones de nodos considerando su entorno. Arquitecturas populares:

  • Redes convolucionales de grafos (GCN)
  • Redes de atención de grafos (GAT)
  • GraphSAGE

• Modelos basados en embeddings: los nodos se representan en un espacio vectorial, y la conexión se predice mediante operaciones sobre vectores (por ejemplo, producto escalar).

• Modelos basados en grafos probabilísticos: utilizan modelos probabilísticos para evaluar las conexiones.

Ejemplo con GNN para predicción de enlaces: primero entrenan una GNN para obtener embeddings de los nodos, luego calculan la probabilidad de una arista entre dos nodos mediante una función de similitud (por ejemplo, producto punto) y aplican una sigmoide para obtener la probabilidad.