基于 GNN 的链接预测调查：技术、应用和挑战

arXiv:2607.16198v1 公告类型：新 摘要：图神经网络 (GNN) 已成为链接预测的领先范例，能够推断缺失的连接并预测潜在的未来链接。然而，现有的评论缺乏专门针对底层 GNN 架构和多样化图结构的系统探索。为了解决这一关键差距，本文从新颖且专用的 GNN 角度对基于 GNN 的链接预测进行了全面回顾。我们提出了一种创新的分类法，根据技术和应用对最新进展进行分类。从技术角度来看，我们关注关键的 GNN 编码器架构，包括基于 GCN、基于 GAE、基于 GAT 和基于 GFormer 的方法，讨论它们的优点和局限性。从应用程序的角度来看，我们重点介绍了知识图和推荐系统中链接预测的突出用例，展示了它们对现实世界的影响。此外，我们还研究了当前的挑战并讨论了有希望的未来方向。