一种预测未知节点的融合影响力最大化的知识可迁移GNN模型.pdfVIP

第卷第期中文信息学报,

392Vol.39No.2

年月,

20252JOURNALOFCHINESEINFORMATIONPROCESSINGFeb.2025

文章编号:()

1003-0077202502-0089-11

一种预测未知节点的融合影响力最大化

的知识可迁移GNN模型

,

1121111

,,,,,

曾志林张超群吴国富汤卫东李灏然李婉秋

(,;

1.广西民族大学人工智能学院广西南宁530006

,)

2.广西混杂计算与集成电路设计分析重点实验室广西南宁530006

:,,。,

摘要在社交网络中大多数节点的数据不完整已有的方法对这些节点的预测效率较低鉴于此该文提出一

(,),

种融合影响力最大化的知识可迁移图神络网络GrahNeuralNetworkGNN模型VRKTGNN其是对预测社交

p

。,

网络未知节点的KTGNN模型的改进VRKTGNN根据用户的关注去构建一个图结构数据由改进的投票排名

,

算法VoteRank++选出图数据中影响力最大的节点对未知节点进行知识迁移通过KTGNN利用影响力最大的

,。

节点将未知节点的信息进行完善或者补全进而预测出大多数未知节点的一个关注重点在五个数据集上的实验

,。,,

结果表明VRKTGNN总体明显优于十个对比模型具体来说与最优的对比模型KTGNN相比VRKTGNN在

,、、、

数据集上性能非常接近而在数据集上的值分别提升

Github-webTwitch-DETolokersTwitterTwitch-ENF1

、、。,,

和这些结果均表明该文新提出的模型鲁棒性更强能够利用影响力最大