计算机工程与科学

作者：马满福, 姜璐娟, 李勇, 张强, 范颜军, 邓晓飞

单位：1.西北师范大学计算机科学与工程学院，甘肃 兰州 730070；2.西北工业大学计算机学院，陕西 西安 710129

关键词：链路预测,有向加权图,注意力机制,R-GCN,

基金：国家自然科学基金(172161034,61863032);全国高等院校计算机基础教育教学研究(2020-AFCEC-355);甘肃省教育科学规划课题研究(GS［2018］GHBBKZ021)；西北师范大学重大科研项目(NWNU-LKZD2021-06)

个性化推荐系统在减轻信息超载、提供个性化服务和辅助用户决策等方面应用广泛，链路预测是个性化推荐的重要方法之一。传统启发式链路预测方法仅考虑网络的图结构特征，缺乏对显式特征和隐式特征信息的应用，且大多数方法基于无向无权网络。针对传统链路预测方法存在的不足，基于集体注意力流网络和R-GCN方法，提出了链路预测算法AFP，将注意力流网络中2节点间不同的边方向抽象为2种边关系类型，并引入注意力机制学习网络中的节点属性和边属性，还综合考虑了网络的图结构特征、显式特征和隐式特征，最后通过评分函数得到三元组成立与否的概率，将链路预测问题转化为一个二分类问题，预测节点间的边属于某个关系类型的可能性。实验结果表明，相比于GCN、GAT等6个基准算法，该算法在准确度、精度和召回率等多个评价指标上均有提升。

来源：2022年第10期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第10期