数据库与信息系统研究室

论文题目：HGWaveNet: A Hyperbolic Graph Neural Network for Temporal Link Prediction

作者：白淇介，聂昌李，张海威，赵东明，袁晓洁

通讯作者：张海威

录用会议/期刊：WWW 2023

论文概述：

时序链路预测旨在预测动态图中节点对之间出现新边的概率，在许多现实应用场景中具有重要意义。然而，现有的相关方法大都构建在零曲率的欧几里得空间上，与许多现实场景图具有的幂律分布特性相冲突，无法高效地表示图中节点的层次结构。对于这种特殊的数据分布，双曲几何基于其空间分布指数扩张的特性提供了一种理想的选择。由此，我们提出了一种新的双曲图神经网络HGWaveNet，它充分利用双曲空间与数据分布之间的契合来进行下游的链路预测任务。具体而言，我们设计了两个关键的模块分别学习网络的空间拓扑结构和时序演化信息：双曲扩散卷积模块（HDGC）可以有效地聚合更广泛的邻域信息，而双曲扩展卷积模块（HDCC）可以捕获网络历史状态之间的内在因果次序。整个HGWaveNet模型都构建在双曲空间上以保证图的层次结构不至于在数据流转过程中丢失。为了证明HGWaveNet的有效性，我们在六个常用的真实数据集上进行了实验，实验结果表明，与SOTA方法相比，我们模型的链路预测性能以AUC评估获得了最高达6.67%的相对性能提升。