텍스트 에지 그래프에서의 링크 예측: 의미론적 유사성과 그래프 토폴로지의 통합
본 논문에서는 텍스트 에지 그래프에서 링크 예측을 수행하기 위해 그래프 토폴로지 정보를 유지하면서 노드 간의 관계를 요약하는 새로운 프레임워크인 LINK2DOC를 제안합니다.
퍼지 그래프 어텐션 네트워크와 동적 부정 샘플링을 통한 링크 예측 강화
퍼지 그래프 어텐션 네트워크(FGAT)와 퍼지 음수 샘플링(FNS)을 결합한 새로운 프레임워크를 통해 링크 예측 작업의 성능을 향상시킬 수 있다.
링크 예측 재고: 데이터 중심적 관점에서 바라본 근접성 요소의 중요성
링크 예측에서 지역적 구조적 근접성, 전역적 구조적 근접성, 특징 근접성이라는 세 가지 데이터 요소의 중요성과 이들의 상호 관계, 특히 특징 근접성과 구조적 근접성 간의 비호환성을 분석하고, 이러한 비호환성이 GNN4LP 모델의 성능에 미치는 영향을 분석합니다.
협업 네트워크에서의 링크 예측에 대한 통합적 접근 방식: ERGM, GCN, Word2Vec 모델 비교
딥러닝 기반 모델(GCN, Word2Vec)이 전통적인 통계 모델(ERGM)보다 대규모 협업 네트워크의 링크 예측에서 더 뛰어난 성능과 효율성을 보인다.
링크 예측을 위한 PageRank Bandits: 맥락적 밴딧과 PageRank의 융합으로 협업적 활용 및 탐색 구현
본 논문에서는 맥락적 밴딧과 PageRank를 결합한 링크 예측을 위한 새로운 융합 알고리즘인 PRB(PageRank Bandits)를 제안합니다. PRB는 맥락적 밴딧의 활용 및 탐색 균형과 PageRank의 그래프 구조 활용을 결합하여 링크 예측의 정확도를 향상시킵니다.
자가 지도 학습이 유사도 기반 링크 예측을 향상시킬 수 있을까?
자가 지도 학습 기법을 활용하여 정보가 풍부한 노드 표현을 학습함으로써, 지도 학습 없이도 유사도 기반 링크 예측 성능을 크게 향상시킬 수 있다.
대규모 허브를 무시하여 이웃 기반 링크 예측을 위한 빠른 병렬 접근 방식
대규모 그래프에서 이웃 기반 유사도 측정을 사용한 링크 예측을 위해 대규모 허브를 무시하는 새로운 휴리스틱 접근 방식(DLH)을 제안하여 기존 방식보다 최대 1622배 빠른 속도를 달성하면서도 유사한 예측 정확도를 유지합니다.
단순화된 서브그래프 표현 학습을 통한 확장 가능한 링크 예측
대규모 그래프에서 링크 예측을 위한 확장 가능한 서브그래프 표현 학습 (SGRL) 프레임워크인 S3GRL을 제안하며, 이는 SGRL의 성능을 유지하면서도 계산 복잡성을 줄여 확장성을 크게 향상시킵니다.
순수 메시지 전달을 통한 링크 예측을 위한 공통 이웃 추정
본 논문에서는 순수 메시지 전달 방식을 사용하여 그래프 신경망(GNN)에서 링크 예측에 중요한 공통 이웃(CN)과 같은 구조적 특징을 효과적으로 추정할 수 있음을 보여줍니다.
희소 네트워크에서 정규화된 다이내믹스 압축을 통한 링크 예측 개선
희소 네트워크에서 링크 예측 성능을 향상하기 위해 베이지안 추정을 기반으로 한 맵 방정식의 전역 정규화 방법과 세 가지 지역 정규화 방법을 소개하며, 특히 전역 정규화 방법이 다양한 네트워크 밀도에서 가장 안정적인 커뮤니티 감지 및 링크 예측 성능을 제공한다는 것을 보여줍니다.
© 2024 by Linnk AI