1.4.2 边预测

除了能做节点层面的预测任务，图神经网络还能做它更本质的工作——对描述关系的“边”进行预测。在边层面，它的预测是指对边的某些性质进行预测，判断某两个节点之间是否形成边（见图1-11）。

图1-11 图神经网络中的边预测

图神经网络的“边预测”应用场景通常出现在推荐系统中。例如，在社交网络中，如果将用户当作节点，用户之间的关注（Follow）[11]关系当作“边”，那么这里的边预测就是根据其他用户的关注情况，给当前用户推荐值得关注的用户。

举例来说，优步外卖（Uber Eats）就使用了图神经网络来提升它们的推荐准确率。优步外卖是服务全球36个国家、500多个城市，拥有超过32万家餐厅合作伙伴的门户应用（App）。为了让用户更易于使用和导航，这个App会提前向用户展示他们可能喜欢的菜肴、菜系和餐厅。为此，该公司利用GraphSAGE模型[15]向用户推荐[17]，使用这种方法，App上推荐的食物和餐厅质量的相关性大幅提升。

另一个关于边预测的应用案例是药物研发。药物研发是一个代价高昂且周期漫长的过程，它需要测试数以千计的化合物，才能有机会找到安全有效的药物。借助图神经网络，研究人员可以方便地研究药物-靶标相互作用、蛋白质-蛋白质相互作用和药物-药物相互作用，这些作用都属于边预测的范畴。与传统方法相比，图神经网络的引入，为药物研发提供了更准确的化合物候选项[18]。