链路预测管道

链路预测是应用于图的一种常见机器学习任务：训练模型以学习图中的节点对之间应当存在哪些关系。更准确地说，机器学习模型的输入是节点对的示例。在训练过程中，这些节点对会被标记为相邻或不相邻。

在 GDS 中，我们提供链路预测流水线，它们提供了一个从特征提取到链路预测的端到端工作流。训练流水线驻留在流水线目录中。当执行训练流水线时，会创建一个预测模型并将其存储在模型目录中。

训练流水线包含三个阶段的序列

对于训练集和测试集，正例从图中的关系中选择。负例则从未相邻的节点中采样得出。

用户可以配置应包含上述哪些步骤。这些步骤执行 GDS 算法以创建新的节点属性。在配置完节点属性步骤后，用户可以定义如何将节点对的节点属性组合为链路特征。训练阶段 (III) 使用交叉验证训练多个模型候选者，选择最佳模型，并报告相关的性能指标。

在训练流水线之后，会创建一个预测模型。该模型包含了训练流水线中的节点属性步骤和链路特征步骤，并使用它们来生成用于预测新关系的特征。预测模型可用于推断两个非相邻节点之间存在关系的概率。

本节分为以下页面