jiangqn/GCN-GAN-pytorch

🧠 GCN-GAN: Dự báo liên kết phi tuyến trên mạng xã hội động

Dự án triển khai mô hình GCN-GAN từ bài báo INFOCOM 2019, kết hợp Graph Convolutional Network và Generative Adversarial Network để dự báo liên kết trong mạng xã hội động có trọng số.

GCN-GAN-pytorch là một implement bằng PyTorch của mô hình GCN-GAN được đề xuất trong bài báo "A Non-linear Temporal Link Prediction Model for Weighted Dynamic Networks" (INFOCOM 2019). Dự án giúp dự báo liên kết thời gian — tức là dự đoán cạnh mới sẽ xuất hiện giữa các nút trong mạng xã hội động theo thời gian — bằng cách kết hợp kiến trúc đối kháng Generative Adversarial Network (GAN) với Graph Convolutional Network (GCN) để học biểu diễn phi tuyến của mạng.

✨ Điểm nổi bật

• Dự báo liên kết thời gian: Hỗ trợ dự báo liên kết trong mạng xã hội động thay đổi theo thời gian.
• Kết hợp GCN và GAN: Sử dụng GCN để học biểu diễn nút và GAN để sinh lưỡng dữ liệu mạng.
• Hỗ trợ mạng có trọng số: Áp dụng cho các mạng xã hội có cạnh mang trọng số thực tế.
• Pipeline rõ ràng: Cung cấp các bước tiền xử lý dữ liệu, huấn luyện và kiểm tra dễ sử dụng.
• Cấu hình linh hoạt: Điều chỉnh siêu tham số dễ dàng qua file config.yml.

💡 Vì sao đáng chú ý

Khác với các mô hình dự báo liên kết tuyến tính truyền thống, GCN-GAN khai thác khả năng học phi tuyến thông qua GAN để cải thiện độ chính xác dự báo. Mô hình phù hợp với các tác vụ như phân tích mạng xã hội, đề xuất kết nối hoặc giám sát hoạt động mạng trong môi trường thay đổi liên tục.

---

#GraphNeuralNetwork #GenerativeAdversarialNetwork #LinkPrediction #DynamicNetworks #TiniX