BriefGPT.xyz
Nov, 2016
变分图自编码器
Variational Graph Auto-Encoders
HTML
PDF
Thomas N. Kipf, Max Welling
TL;DR
本文提出可变图自编码器(VGAE)框架,用于处理基于变分自编码器(VAE)的图结构数据无监督学习模型。该模型基于潜在变量,能够学习图的可解释的潜在表示。在引文网络的链接预测任务中,我们使用图卷积网络(GCN)编码器和内积解码器来展示该模型。与大多数现有的图结构数据和链接预测无监督学习模型相比,我们的模型可以自然地融入节点特征,从而在许多基准数据集上显著提高预测性能。
Abstract
We introduce the
variational graph auto-encoder
(VGAE), a framework for
unsupervised learning
on
graph-structured data
based on the variat
→