摘要
图神经网络（GNNs）已成为链接预测的主导范式，能够推断缺失的连接并预测潜在的未来链接。然而，现有的综述缺乏针对基础GNN架构和多样化图结构的系统探索。为了解决这一关键问题，本文从全新的GNN视角提供了对GNN基础的链接预测的全面综述。
我们提出了一种创新的分类法，将近期的进展按技术和应用进行分类。从技术的角度来看，我们聚焦于关键的GNN编码器架构，包括基于GCN、GAE、GAT和GFormer的方法，讨论它们的优势和局限性。从应用的角度，我们强调了链接预测在知识图谱和推荐系统中的重要用例，展示了它们在现实世界中的影响。此外，我们还审视了当前的挑战，并讨论了有前景的未来方向。
博主点评： 本文提供了对GNN在链接预测领域的深刻分析，填补了文献中的空白。通过对不同架构的比较，研究者们可以更好地理解GNN的应用潜力及其面临的挑战，为未来的研究指明方向。