Cos'è la previsione dei link e quali architetture utilizzano?

La previsione di collegamenti è un compito nell'analisi dei grafi, in cui si deve prevedere la probabilità che esista un arco tra due nodi, basandosi sulla struttura del grafo e sulle proprietà dei nodi.

Le principali architetture e approcci per la previsione di collegamenti:

• Metodi basati sulle caratteristiche (Feature-based): utilizzano le caratteristiche dei nodi e dei loro vicini, ad esempio vicini comuni, coefficiente di Jaccard.

• Reti neurali grafiche (Graph Neural Networks, GNN): addestrano rappresentazioni dei nodi considerando il loro contesto. Architetture popolari:

  • Reti convoluzionali di grafi (GCN)
  • Reti di attenzione sui grafi (GAT)
  • GraphSAGE

• Modelli basati sugli embedding: i nodi sono rappresentati in uno spazio vettoriale, e la connessione viene prevista tramite operazioni sui vettori (ad esempio, prodotto scalare).

• Modelli basati su grafi probabilistici: usano modelli probabilistici per valutare le connessioni.

Esempio con GNN per la previsione di collegamenti: prima si addestra una GNN per ottenere gli embedding dei nodi, poi si calcola la probabilità di un arco tra due nodi tramite una funzione di similarità (ad esempio, prodotto scalare) e si applica una sigmoide per ottenere la probabilità.