计算机应用研究

作者：杨伟英,王英,吴越,

单位：吉林大学a.软件学院;b.符号计算与知识工程教育部重点实验室;c.计算机学院,长春130012；

关键词：异质信息网络,变分图自动编码器,表示学习,链接预测,超图,

基金：国家自然科学基金资助项目(61872161,61602057,61976103)；吉林省科技发展计划资助项目(2018101328JC)；吉林省科技厅优秀青年人才基金资助项目(20170520059JH)；吉林省技术攻关项目(20190302029GX)；吉林省发改委项目(2019C053G-8)；吉林省教育厅科研项目(JJKH20191257KJ)；；

如何采用超边建模网络数据中的多元关联关系，实现潜在超边链接关系的预测具有重要的现实意义。现有方法主要集中于研究具有成对关系的网络数据，然而，直接将现有的链接预测方法用于超图网络中的超边链接预测具有一定的局限性。因此，提出基于异质变分超图自动编码器的超边链接预测模型（heterogeneous variational hypergraph autoencoder，HVGAE）。首先，利用超图卷积实现变分超图自动编码器，将超图网络数据转换成一种低维空间表示；其次，加入节点近邻度函数，最大程度地保留其结构信息，从而构建异质超图网络超边链接预测模型。针对三种不同类型的超图网络进行实验，结果表明相比其他的基准方法，HVGAE模型获得了较好的预测结果，说明其能够较好地解决超图网络中的超边链接预测问题。

来源：2021年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第5期