Machine learning 如何使用节点嵌入进行链接预测？

我目前正在推荐系统中做一个项目嵌入任务，我想评估新嵌入算法和旧嵌入算法的性能。我读过一些关于图嵌入的文章，几乎每一篇文章都提到一种评估嵌入的常规方法，即链接预测。但这些报纸都没有确切描述你是如何做到这一点的。所以我的问题是如何使用链接预测来评估嵌入

我尝试应用的算法是： 首先，在用户单击序列上构建一个有向图，图中的每个节点表示一个项目，如果用户单击了项目a，然后单击了B，则应该有两个节点a和B以及一个权重为1的边a-B。当另一个用户单击A然后单击B时，边A-B的权重加1。 然后，使用出站权重作为远程传输概率，通过随机遍历图生成一个新的序列数据集。 最后，对新序列执行SkipGram以生成节点嵌入

正如许多论文提到的，我删除了图中一定比例的边作为测试集的阳性样本（例如0.25），并随机生成了一些伪边作为阴性边。那么接下来呢？我是否应该简单地为训练集中的真实边生成假边，在每条边上连接两个节点的嵌入，并构建一个公共分类器（如logistic回归）并在测试集上进行测试？或者我应该用两个节点的余弦相似性和一个0/1的标签计算测试集上的AUC，该标签指示两个节点是否真的连接？或者我应该用两个节点嵌入的Sigmoid点积和0/1的标签来计算AUC，表明两个节点是否真的连接，因为这是计算最后一层概率的方法

#以下是描述上述三种方法的示例
item_emb=np.random.random（400）.重塑（100,4）#假设我们有100个项，并将它们嵌入到一个四维向量空间中。
test_node=np.random.randint（0，100，size=200）。重塑（100，2）#假设我们有100对节点
test_label=np.random.randint（0，2，size=100）。重塑（100，1）#假设这是指示这对节点是否真正连接的标签
def测试_A（）：
#使用逻辑回归
列车节点=…#以类似的方式生成真节点对和假节点对
列车标签=…#以类似的方式生成真节点对和假节点对
训练专长=np.hstack(
项目emb[列车节点[：，0]]，
项目_emb[列车_节点[：，1]]#连接嵌入件
测试功能=np.hstack(
项目emb[测试节点[：，0]]，
项目_emb[测试_节点[：，1]]#连接嵌入
lr=sklearn.linear\u models.logistic回归（）.fit（训练专长，训练标签）
auc=roc\U auc\U分数（测试标签，lr.预测概率（测试专长）[：，1]）
返回auc
def测试_B（）：
#使用余弦相似性
emb1=项目\u emb[测试节点[：，0]]
emb2=项目\u emb[测试节点[：，1]]
余弦sim=emb1*emb2/（np.linalg.norm（emb1，轴=1）*np.linalg.norm（emb2，轴=1）
auc=roc\U auc\U分数（测试标签，余弦sim）
返回auc
def测试_C（）：
#使用点积
#这里，我们从训练网络中提取softmax权重和偏差
softmax_weights=…#与项目_emb形状相同
softmax_偏差=…#的形状（项目形状[0]，1）
嵌入的_项=项_emb[测试_节点[：，0]]#目标项嵌入
softmaxed_上下文=softmax_权重[测试节点[：，1]]+softmax_偏差
点生产=np.sum（嵌入项目*软最大化上下文，轴=1）
auc=roc\U auc\U分数（测试标签、点产品）
返回auc

---

我已经在几个测试中尝试了这三种方法，但它们并不总是告诉我们相同的事情其他指标不好，有些则相反……等等。遗憾的是，没有这样一个参数组合在所有三个指标中的表现都超过其他指标……问题是我应该使用哪一个指标？

您应该研究一些实现：

星图：

放大仪：

简单地说，我们应该从原始图中采样边（而不是节点！），删除它们，然后学习截断图上的嵌入。然后对删除的边执行计算

此外，还有两种可能的情况：

• 在这种情况下，当我们学习分类器来区分正边缘和负边缘时，评估指标是ROC AUC
• 只观察到正（真实）边。我们不知道在真实世界中是否连接了rest对。在这里，我们为每个正边生成负（假）节点。该任务被视为具有下一个评估指标的实体排序：

---

在第5.1-5.3节中可以找到一个例子。

我面临着同样的问题。你找到解决方案了吗？我的主要问题是：我们应该在什么时候提取节点嵌入？在列车/测试拆分之前还是之后？如果我们在拆分之前提取节点嵌入，那么嵌入会保留网络的拓扑结构，因此它们会影响链路预测。另一方面，如果我们在xtract嵌入拆分后，同一节点在训练集和测试集中可能有不同的表示形式。对于您的问题，我的建议是，您应该始终从训练集中提取嵌入，并在测试集中测试嵌入，并且没有要从测试集中提取的嵌入。提取嵌入是正确的因此，拆分会导致数据泄漏。