Concorde：解耦能量最小化的几何感知链接预测

Concorde 用三分支解耦能量框架提升稀疏图链接预测精度。

资讯摘要

论文提出 Concorde，一个基于能量的链接预测框架，将链接可能性分解为三个结构解耦的分支：无参数谱锚点、可学习双曲与球面乘积流形上的混合曲率残差（用特征感知的 Ollivier-Ricci 曲率代理正则化），以及双曲空间切丛上的连续向量场。分支经学习门控融合，并用 N-pair 排序损失训练。作者报告在五个基准上取得领先的早期检索精度，稀疏场景下 P@10% 接近翻倍。

要点速读

1. 框架将链接可能性拆为谱锚点、混合曲率残差、切丛向量场三个解耦分支，经学习门控融合。
2. 混合曲率残差位于可学习的 H×S 乘积流形，并用特征感知的 Ollivier-Ricci 曲率代理正则化。
3. 作者报告在稀疏、稠密、无特征与带属性五类基准上取得领先早期检索精度，稀疏场景 P@10% 接近翻倍。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。