基于重要性引导的邻域聚合方法，通过自适应链接表示进行链接预测

《Knowledge-Based Systems》：Importance-guided neighborhood aggregation for link prediction via adaptive link representation

　　徐家宇|赖达荣
东南大学计算机科学与工程学院，南京，211189，中国

**摘要**
链接预测旨在预测节点对之间连接的可能性，这是现代图数据分析中的一个重要任务。近年来，图神经网络得到了广泛应用，并在链接预测方面取得了巨大成功。然而，基于标准图神经网络的方法通常难以捕捉细粒度的关系信号，因为它们的设计以节点为中心，独立地聚合邻域信息，未能明确捕捉与目标链接相关的联合结构依赖性（例如，共同邻居）。为了解决这个问题，我们提出了一种新的链接预测方法——IGLP（重要性引导的链接预测），该方法采用以链接为中心的视角。IGLP采用了一个统一的重要性评分框架，通过整合结构和特征信息来自适应地量化每个邻居与目标链接的相关性。基于该框架，我们提出了IGLP的具体实现，包括自适应邻域聚合（ANA）和共同邻域感知（CNA）模块。ANA模块通过同时考虑连接模式和特征相似性来选择性地聚合信息丰富的邻居特征，而CNA模块则通过邻域重叠来编码结构相似性。我们在一系列数据集上进行了广泛的实验来验证IGLP的有效性。结果表明，IGLP在性能上优于现有的最先进方法，尤其是在稀疏图上，证明了其能够自适应地构建表达力强的链接表示。这项工作为基于GNN的链接预测提供了一种灵活且可推广的方法。

**引言**
链接预测是图数据分析中的一个基本且重要的任务，其目的是从观察到的图结构中推断出未观察到的或缺失的链接[1] [2]。它在许多实际应用中发挥着关键作用，如社交网络分析[3]、推荐系统[4]和知识图谱补全[5]。近年来，图神经网络（GNNs）[6]已成为链接预测的主要方法，在各种基准测试中表现出色。其中，消息传递神经网络（MPNNs）[7]通过迭代传播和聚合来自局部邻域的特征信息来学习节点表示（节点嵌入）。这些节点嵌入可以用于链接预测以及其他下游任务，如节点分类和图分类。

在链接预测中，一种常见的方法是结合两个目标节点的嵌入来生成链接表示，然后预测它们之间的链接可能性。然而，与节点级任务不同，链接预测需要一个以链接为中心的设计，突出节点对之间的拓扑关系[8]。标准MPNNs生成的节点嵌入通常是基于节点的表示，往往无法捕捉到准确链接预测所需的细粒度结构模式[9]。具体来说，标准MPNNs独立地为每个节点聚合邻域特征。这种独立性使得模型无法区分不同邻居相对于特定目标链接的相关性，也难以明确编码联合结构信号，例如作为桥梁的共同邻居。特别是当MPNNs将不同的节点映射到相同的嵌入时，这些节点被赋予与任何第三个节点形成链接的相同概率，忽略了它们不同的拓扑上下文[1] [8]。这一限制限制了模型的表达能力，因为仅从节点嵌入的连接或组合构建的链接表示缺乏区分局部连接模式微妙差异的敏感性[10]。

为了解决这个问题，最近的研究致力于通过引入超出节点嵌入的额外信息来提高链接表示的表达能力。一般来说，这些方法可以分为两种互补的范式：增强邻居结构的GNNs（NSE-GNNs）和增强邻居特征的GNNs（NFE-GNNs）。NSE-GNNs（如Neo-GNN [11]、BUDDY [12]和MPLP [13]）直接从原始图中计算结构特征，如共同邻居计数和成对重叠分数，以捕捉节点之间的复杂拓扑依赖性。相比之下，NFE-GNNs（如LPFormer [14]和NCNC [15]）通过选择性地利用邻居的特征来改进链接表示。这种基于特征的方法使模型能够捕捉到纯结构指标可能遗漏的语义相似性和细微交互。这两种范式共同为加强链接表示学习提供了互补的视角：NSE-GNNs强调拓扑结构，而NFE-GNNs强调节点语义。

此外，最近的研究还表明，不同的图数据集对结构和特征信息有不同的偏好[16] [17]。具体来说，图中的信息可以大致分为两类：结构信息，它捕捉节点之间的连接模式和拓扑关系；特征信息，它反映了单个节点的语义属性或特征。一些图更依赖于结构模式，而其他图则更受益于特征语义。因此，没有一种适用于所有数据集的通用解决方案[18]。这一观察强调了有效结合NFE-GNNs和NSE-GNNs的优势的必要性。通过根据每个数据集的特点自适应地整合结构和特征信息，模型可以实现更健壮和全面的链接表示学习，从而在多种图上提高性能[19]。

基于这一观点，NFE-GNNs旨在通过聚合来自邻居节点的信息来增强链接表示。在这种设计中的一个核心挑战是确定哪些邻居对链接预测最有信息量，因为在现实世界中的图中，并非所有邻居的贡献都是相同的。图1在引用网络中提供了一个直观的示例：围绕目标节点对的不同邻居在信息特征上有所不同，这表明模型在聚合邻域信息时应优先考虑更有价值的节点。图2通过定量分析进一步支持了这一直觉，显示目标节点对（i,j）的邻域在特征相似性和结构连接性方面往往表现出很高的变异性。在i和j的1跳邻居中，节点特征的相似性分布广泛，局部结构也可能存在显著差异。实证表明，只有少数邻居与目标链接真正相关，而大多数邻居在经过一次特征传播步骤后仍然是无关或误导性的。这表明节点对的邻域涵盖了广泛的特征和结构模式，其中只有一部分信息对预测链接真正有价值，突出了选择性和利用最有信息量的邻居的必要性。聚合多样化的邻居可以捕捉丰富的结构背景并增强链接表示的表达能力；然而，不加区分地平等对待所有邻居可能会压制有价值的信息[20] [21]并引入噪声干扰[22]。这引出了一个基本问题：我们如何识别并选择性地聚合给定目标节点对最有信息量的邻居？

之前的研究尝试了不同的策略。NCN聚合了共同邻居的表示，而NCNC [15]进一步将单个邻居也纳入其中。LPFormer [14]应用了一个注意力模块来根据邻居的相关性选择性地加权它们。尽管这些方法提供了有价值的见解，但仍缺乏评估或选择用于聚合的邻居节点的统一标准。这一观察表明，应该从结构和特征两个角度来评估每个邻居的贡献。为此，开发一个更全面的评估框架是可取的，该框架同时考虑结构和特征相似性，使模型能够选择性地聚合更有信息量的邻居以构建表达力强的链接表示。这样的框架可以在推荐系统、社交网络分析和知识图谱补全等实际任务中提高性能，因为在这些任务中识别最相关的连接对于准确预测至关重要。此外，它还提供了更好的可解释性，使从业者能够理解哪些邻居节点驱动了预测。

因此，在本文中，我们提出了一种新的重要性引导的链接预测方法，称为IGLP，该方法采用以链接为中心的视角。IGLP是一种原理性的链接预测方法，它自适应地结合了特征和结构信息来预测链接的存在。它采用了一个新颖且统一的重要性评分框架，通过该框架自适应地量化每个邻居与目标链接的相关性。基于这个重要性评分框架，我们提出了IGLP的具体实现，包括自适应邻域聚合（ANA）和共同邻域感知（CNA）模块。ANA模块通过同时考虑连接模式和特征相似性来选择性地聚合信息丰富的邻居特征，而CNA模块则通过邻域重叠来编码结构相似性。为了更好地说明现有方法与我们提出的IGLP方法之间的差异，我们在表1中总结了它们的特点。为了验证IGLP在链接预测中的有效性，我们在多个真实世界数据集上进行了广泛的实验，结果表明IGLP始终优于现有的基于GNN的链接预测方法。

**章节片段**
**初步**
图定义。我们考虑一个无向图G=(V,E,A,X)，其中V={v1,v2,…,vn}是n个节点的集合，E?V×V表示边集，X∈Rn×F是节点特征矩阵，其第i行xi表示节点vi的特征，A∈Rn×n是对称邻接矩阵，当(vi,vj)∈E时Aij=1，否则为0。节点vi的邻域定义为N(vi,A)={vj∈V∣Aij>0}。为简单起见，当邻接矩阵A固定时，我们简单地将N(vi,A)表示为N(vi)。

**链接预测的邻居类型**

**方法**
为了解决上述挑战，我们提出了一种新的模型IGLP，该模型明确评估不同邻居在链接预测中的重要性。这种方法使模型能够自适应地关注每个目标链接的最相关信息，从而提高预测的准确性和鲁棒性。IGLP的总体架构如图3所示。

为了有效捕捉推断目标链接时不同邻居的不同重要性，我们提出了一个统一的……

**实验**
在本节中，我们进行了全面的实验来评估所提出的IGLP模型的性能，并将其与现有基线进行比较，以验证其有效性。我们的目标是回答以下三个问题：
• Q1：IGLP模型与现有基线模型在链接预测任务中的表现如何？
• Q2：模型的每个组成部分（包括ANA、CNA和其他模块）对整体性能的贡献有多大？
• Q3：重要超参数如何影响……

**结论**
这项工作提出了一种原理性和自适应的链接预测模型，通过一种新的重要性评分机制统一了结构和基于特征的信号。通过同时考虑邻居的连接模式和特征相似性，设计的ANA和CNA模块选择性地整合了每个链接的最相关信息。一个可学习的参数进一步使模型能够适应不同数据集的特点。在多个真实世界数据集上的实证结果表明……

**作者贡献声明**
徐家宇：撰写——原始草稿、软件、方法论、调查。赖达荣：撰写——原始草稿、监督、方法论、概念化。

**利益冲突声明**
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

**致谢**
本工作得到了福建省科技创新联合基金（项目编号2024Y9054）的支持。