MATLAB神经网络预测代码-SEAL：利用子图、嵌入与链接预测学习属性的SEAL方法。“M.Zhang，Y.Chen，基于图形神经网络...

简介：
本文介绍了一种名为SEAL的方法，用于通过子图、嵌入和链接预测来学习属性，并应用于MATLAB中的神经网络预测。该方法利用了图形神经网络技术，由M.Zhang和Y.Chen提出。 SEAL是一种新颖的框架，用于将链接预测问题系统地转化为子图分类任务。对于每个目标链接，该方法提取其h跳封闭子图A，并构建节点信息矩阵X（包含结构化节点标签、潜在嵌入及显式属性）。然后，SEAL将(A, X)输入到图形神经网络(GNN)中以对链接的存在与否进行分类。通过这种方式，模型能够同时从图的结构性特征和潜在或显式的特征中学得知识来进行预测。 该方法已经在MATLAB与Python语言实现了版本，并在论文《基于图神经网络的链接预测》（M. Zhang & Y. Chen, Advances in Neural Information Processing Systems (NIPS-18)）中得到了详细描述。实验结果使用了MATLAB版，同时包含了其他基准方法的评估代码。 相比之下，Python软件因其更高的灵活性和可扩展性而更具优势。此外，在PyTorchGeometric框架下也有SEAL的一个实现版本，并且能够在开放图基准（OGB）数据集上进行测试。该实现还支持诸如Cora与CiteSeer这样的Planetoid数据集以及自定义的Pytorch环境使用。