基于图滤波器的符号属性图链路关系预测算法 |
| |
作者姓名: | 马华 姜伟 陈明 钟世杰 |
| |
作者单位: | 湖南师范大学信息科学与工程学院 |
| |
基金项目: | 国家自然科学基金面上项目(71971221,62077014);;湖南省教育厅科学研究项目(22B0097);;长沙市自然科学基金项目(kq2202248); |
| |
摘 要: | 带节点属性的符号网络在信息学、生物学等多个领域存应用广泛,链路符号预测是该类数据分析中的一个热点问题。基于符号图神经网络的模型是该问题的最新有效解决方案,但现有方法几乎均基于社会平衡理论,且未充分利用节点属性。针对以上问题,从图信号处理角度设计了一个符号图神经网络,提出了一种端到端的符号属性图链路预测算法。首先,给出了基于低频和高频信号的带通滤波器的符号图神经网络,用于获得基于符号拓扑图的节点嵌入;其次,构造属性相似性图,利用图卷积网络得到属性相似性图节点嵌入;最后,引入注意力机制,融合符号拓扑图与属性相似性图两种节点表达,并将其输入符号判别器,通过Adam优化器训练模型。在三个药物数据集上进行了对比实验与模型设置的影响分析。与典型的符号图卷积网络与符号图谱嵌入,以及最近提出的基于图滤波的符号卷积网络的对比结果表明,该模型在AUC与F1指标上比最好的基线方法提升了8.68%与10.04%。
|
关 键 词: | 图滤波器 符号属性图 图神经网络 节点嵌入 链路关系预测 |
|
|