摘要

在本文中，我们针对 ogbl-citation2 数据集上的缺失链接预测任务，提出两种局部图特征，称之为“环形特征”（Circle Features），其概念源自“朋友圈”这一社交网络中的直观思想。我们详细给出了上述特征的计算公式：首先，将第一种环形特征定义为对通用图的“修正摇摆度”（modified swing），该特征源于二分图的结构特性；其次，将第二种环形特征定义为“桥接特征”（bridge），用于衡量两个节点在各自不同朋友圈中的重要性。此外，我们首次将上述环形特征作为偏差项（bias）引入图Transformer神经网络中，以增强图自注意力机制的表达能力。基于 SIEG 网络架构，我们构建了一种融合环形特征感知能力的图Transformer模型——CFG（Circled Feature aware Graph Transformer），该模型采用双塔结构，能够同时捕捉图的全局与局部结构特征。实验结果表明，CFG 在 ogbl-citation2 数据集上达到了当前最优的性能表现。