动态图神经网络链接预测综述

在现实世界中,复杂的动态网络数据广泛存在,如社交网络、蛋白质相互作用网络和传染病传播网络,它们由大量的节点和边构成。针对这类数据的有效挖掘和利用,以进行精准预测,成为了一项关键任务。动态图神经网络链接预测是深度学习研究领域的一个重要分支,它旨在解析网络随时间演化的内在规律,并预测未来可能形成的链接,为各领域的决策提供有价值的信息和依据。回顾了动态图神经网络的发展历程,介绍动态图的建模方法和训练流程。在此基础上,根据时间粒度的不同,将动态图神经网络链接预测模型细分为离散动态图模型和连续动态图模型两大类,并综述了每一类别中当前主流模型所采用的建模方法;介绍了动态图链接预测研究中常用的数据集、评价指标和应用场景。最后,对该领域的未来发展趋势进行了前瞻性探讨。