跨平台锚定链路预测的多层次图卷积网络
现有的方法要么严重依赖于高质量的用户已生成的内容(包含用户的配置文件),或者如果只关注网络拓扑,就会出现数据不足问题,使研究人员陷入不可解决的模型选择困境。为了解决这一问题,我们提出了一个新的框架,即统一考虑局部网络结构和超图结构上的多层次图卷积。该方法克服了现有工作中的数据不足问题,不一定依赖于用户人口统计信息。此外,为了使所提出的方法能够处理大规模的社交网络,我们提出了一种双相空间和解机制来对齐两个网络分区中的嵌入空间 基于不同社交网络的并行训练和账户匹配。