Kas yra nuorodų prognozavimas ir kokias architektūras naudoja?

Nuorodų prognozavimas yra užduotis grafe analizėje, kuriai reikia numatyti dviejų mazgų tarpą esantį tikimybę, remiantis grafo struktūra ir mazgų savybėmis.

Pagrindinės architektūros ir požiūriai nuorodų prognozei:

• Funkcijų pagrindu (Feature-based): naudoja mazgų ir jų kaimynų savybes, pavyzdžiui, bendrus kaimynus, Jaccardo koeficientą.

• Grafų neuroniniai tinklai (Graph Neural Networks, GNN): mokina mazgų reprezentacijas, atsižvelgdami į jų aplinką. Populiarios architektūros:

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

• Įdėjimų pagrindu (embeddings): mazgai vaizduojami vektorių erdvėje, o ryšys prognozuojamas per operacijas su vektoriais (pavyzdžiui, skaliarinį sandaugą).

• Tikimybiniai grafai: naudoja tikimybinį modelį ryšiams vertinti.

Pavyzdys su GNN nuorodų prognozei: pirmiausia treniruojama GNN, kad gauti mazgų įdėjimus, tada apskaičiuojama tikimybė tarp dviejų mazgų naudojant panašumo funkciją (pavyzdžiui, skaliarinį sandaugą) ir taikoma sigmoidinė funkcija, kad gauti tikimybę.