用于无监督网络嵌入的 Barlow 图自编码器
机器学习
2022-12-14 v3
摘要
网络嵌入已成为网络分析中一个有前景的研究领域。最近，一种名为 Barlow Twins 的方法被提出，用于计算机视觉中的自监督学习，其将冗余减少原则应用于对应于图像样本两个失真版本的嵌入向量。受此启发，我们提出 Barlow Graph Auto-Encoder，一种简单而有效的用于学习网络嵌入的架构。它旨在最大化一个节点的直接邻域与更大邻域的嵌入向量之间的相似性，同时最小化这些投影各分量之间的冗余。此外，我们还提出了其变体，称为 Barlow Variational Graph Auto-Encoder。我们的方法在归纳式链接预测上取得了有前景的结果，并且在聚类和下游节点分类上与最先进水平（SOTA）相当，这在三个基准引用数据集上与几种知名技术的广泛比较中得到了证明。
引用
@article{arxiv.2110.15742,
title = {Barlow Graph Auto-Encoder for Unsupervised Network Embedding},
author = {Rayyan Ahmad Khan and Martin Kleinsteuber},
journal= {arXiv preprint arXiv:2110.15742},
year = {2022}
}