Čo je predikcia odkazov a aké architektúry používajú?

Predikcia spojení je úlohou v analýze grafov, kde je potrebné predpovedať pravdepodobnosť, že medzi dvoma uzlami existuje hrana, na základe štruktúry grafu a vlastností uzlov.

Hlavné architektúry a prístupy k predikcii spojení:

• Metódy založené na vlastnostiach (Feature-based): využívajú charakteristiky uzlov a ich susedov, napríklad spoločných susedov, Jaccardov koeficient.

• Grafové neurónové siete (Graph Neural Networks, GNN): trénujú reprezentácie uzlov s ohľadom na ich okolie. Populárne architektúry:

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

• Modely založené na vkladoch (embeddings): uzly sú reprezentované vektorovým priestorom a spojenie je predpovedané pomocou operácií nad vektormi (napríklad skalárne súčin).

• Modely založené na pravdepodobnostných grafoch: využívajú pravdepodobnostné modely na hodnotenie spojení.

Príklad s GNN pre predpoveď spojení: najskôr sa trénuje GNN na získanie vkladov uzlov, potom sa vypočíta pravdepodobnosť hrany medzi dvoma uzlami pomocou funkcie podobnosti (napríklad, skalárneho súčinu) a aplikuje sa sigmoid na získanie pravdepodobnosti.