Wat is linkvoorspelling en welke architecturen worden gebruikt?

Linkvoorspelling is een taak in grafanalyse waarbij je de waarschijnlijkheid moet voorspellen dat er een rand bestaat tussen twee knooppunten, gebaseerd op de structuur van de graaf en de eigenschappen van de knooppunten.

De belangrijkste architecturen en benaderingen voor linkvoorspelling:

• Feature-gebaseerde methoden: gebruiken kenmerken van knooppunten en hun buren, bijvoorbeeld gemeenschappelijke buren, Jaccard-coëfficiënt.

• Grafneuronale netwerken (Graph Neural Networks, GNN): trainen representaties van knooppunten rekening houdend met hun omgeving. Populaire architecturen:

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

• Modellen op basis van embeddings: knooppunten worden weergegeven in een vectorruimte, en de verbinding wordt voorspeld via operaties op de vectoren (bijvoorbeeld, scalar product).

• Probabilistische grafen modellen: gebruiken probabilistische modellen om de verbindingen te evalueren.

Voorbeeld met GNN voor linkvoorspelling: eerst wordt een GNN getraind om embeddings van knooppunten te verkrijgen, daarna wordt de waarschijnlijkheid van een rand tussen twee knooppunten berekend via een gelijkenisfunctie (bijvoorbeeld, dot product) en wordt een sigmoid toegepast om de waarschijnlijkheid te verkrijgen.