學(xué)者推薦是一項(xiàng)重要的個(gè)性化服務(wù)功能,,可以通過(guò)鏈接預(yù)測(cè)任務(wù)來(lái)實(shí)現(xiàn)?;趫D的自動(dòng)編碼器是解決鏈接預(yù)測(cè)任務(wù)的常用方法之一,。然而,目前使用的大多數(shù)基于圖的自動(dòng)編碼器方法仍未完全挖掘出圖中節(jié)點(diǎn)特征的巨大潛力,。主要問(wèn)題是沒(méi)有充分利用特征空間中的信息,。在比賽中,我們提出了一種用于鏈接預(yù)測(cè)的全新圖嵌入框架,,稱為特征感知變異圖自動(dòng)編碼器(FAVGAE),。我們使用 k 近鄰算法(KNN)來(lái)構(gòu)建特征結(jié)構(gòu)圖,以便充分利用特征空間中的數(shù)據(jù),。然后,,編碼器利用原始拓?fù)鋱D、特征結(jié)構(gòu)圖和節(jié)點(diǎn)特征來(lái)學(xué)習(xí)節(jié)點(diǎn)向量表示的分布,。通過(guò)從該分布中采樣,,生成節(jié)點(diǎn)向量表示,并使用解碼器重建圖的鄰接矩陣,。在所提供的 ScholatNet 數(shù)據(jù)集上進(jìn)行的實(shí)驗(yàn)評(píng)估表明,,所提出的模型在鏈接預(yù)測(cè)任務(wù)中表現(xiàn)最佳,優(yōu)于其他基線方法,。最后,,我們可以進(jìn)行案例研究,詳細(xì)說(shuō)明我們的模型如何實(shí)現(xiàn)可解釋的學(xué)術(shù)推薦,。