Proposti nuovi modelli di previsione dei collegamenti L-GRACE e L-BGRL
Un nuovo preprint arXiv (2605.20257) propone l'adattamento dei modelli di discriminazione delle istanze per la previsione dei collegamenti nei grafi. Gli autori valutano innanzitutto i modelli self-supervised esistenti per la previsione dei collegamenti, scoprendo che le prestazioni dipendono dall'aumentazione, simile alla visione artificiale. Introducono un'aumentazione strutturale basata sulla struttura delle comunità. Il loro contributo principale sono due nuovi modelli, L-GRACE e L-BGRL, che utilizzano rappresentazioni dei collegamenti anziché rappresentazioni dei nodi, migliorando i metodi esistenti.
Fatti principali
- I modelli di discriminazione delle istanze sono efficaci per l'apprendimento self-supervised in immagini e grafi.
- Pochi contributi hanno affrontato la previsione dei collegamenti con la discriminazione delle istanze.
- L'articolo fornisce una valutazione rigorosa dei modelli self-supervised esistenti per la previsione dei collegamenti.
- Le prestazioni dipendono dal processo di aumentazione.
- Viene proposta una nuova aumentazione strutturale basata sulla struttura delle comunità.
- Vengono introdotti due nuovi modelli: L-GRACE e L-BGRL.
- Questi modelli utilizzano rappresentazioni dei collegamenti anziché rappresentazioni dei nodi.
- I nuovi modelli migliorano le prestazioni dei metodi esistenti.
Entità
Istituzioni
- arXiv