符号网络作为能够表征关系强弱的模型，近年来受到越来越多关注。然而，现有基于图神经网络的方法普遍忽视了符号链接之间丰富的交互信息。中国科学院数学与系统科学研究院闫桂英团队提出了一种用于符号网络链接预测的新型图神经网络模型——解耦图注意力网络（DecGAT），从理论上实现了正负链接的分离与交互统一建模，在多个公开数据集和真实场景中的实验结果验证了其提升泛化能力和鲁棒性能等方面的优势和潜力，并可应用于社交网络、生物网络等多种可建模符号网络的预测任务中。相关成果发表国际人工智能领域top期刊《Knowledge-based Systems》上。

Publication:

Knowledge-Based Systems Volume 320, 23 June 2025, 113657 https://doi.org/10.1016/j.knosys.2025.113657

Author:

Zhiheng Zhou

School of Mathematical Sciences, University of Chinese Academy of Sciences, Beijing, China

Guiying Yan(Corresponding author)

Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing, China

E-mail address: yangy@amss.ac.cn (G. Yan).