學(xué)者推薦是一項重要的個性化服務(wù)功能,可以通過鏈接預(yù)測任務(wù)來實現(xiàn)?;趫D的自動編碼器是解決鏈接預(yù)測任務(wù)的常用方法之一。然而,目前使用的大多數(shù)基于圖的自動編碼器方法仍未完全挖掘出圖中節(jié)點特征的巨大潛力。主要問題是沒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)測的全新圖嵌入框架,稱為特征感知變異圖自動編碼器(FAVGAE)。我們使用 k 近鄰算法(KNN)來構(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)點特征來學(xué)習(xí)節(jié)點向量表示的分布。通過從該分布中采樣,生成節(jié)點向量表示,并使用解碼器重建圖的鄰接矩陣。在所提供的 ScholatNet 數(shù)據(jù)集上進行的實驗評估表明,所提出的模型在鏈接預(yù)測任務(wù)中表現(xiàn)最佳,優(yōu)于其他基線方法。最后,我們可以進行案例研究,詳細(xì)說明我們的模型如何實現(xiàn)可解釋的學(xué)術(shù)推薦。