A3VGAE：一种用于链接预测的属性增强对抗变分图自动编码器

《IEEE Computational Intelligence Magazine》：A3VGAE: An Attribute-Augmented Adversarial Variational Graph Autoencoder for Link Prediction

链接预测中提出了一种新型方法A3VGAE，通过构建属性结构图和引入对抗机制，同时利用节点属性和图结构信息，解决传统自编码器未充分利用节点属性和潜在数据分布的问题。实验验证了该方法在四个真实数据集上的优越性。

　　

摘要：

链接预测是一项具有重要应用价值的任务，其应用范围包括推荐系统和社交网络分析等领域。自动编码器是解决链接预测问题的有效方法。然而，大多数现有的基于自动编码器的方法既没有充分利用节点的属性信息，也没有充分考虑图中的数据分布特性。在本文中，我们提出了一种名为“属性增强对抗性变分图自动编码器”（Attribute-Augmented Adversarial Variational Graph Autoencoder，简称AVGAE）的新方法，该方法能够有效解决上述两个问题。该算法首先根据节点的属性信息构建属性结构图，然后将拓扑结构图、属性结构图和属性信息输入到共享编码器中以获得两个潜在表示；同时，通过双重解码器对拓扑结构图、属性结构图和属性信息进行重构。引入对抗机制以确保这两个潜在表示符合特定的先验分布。在四个真实世界图数据集上进行的广泛实验表明，我们提出的AVGAE在链接预测任务中具有显著的优势。