FastGAE：基于随机子图解码的可扩展图自编码器
机器学习
2021-04-14 v5 社会与信息网络
机器学习
摘要
图自编码器（AE）和变分自编码器（VAE）是强大的节点嵌入方法，但存在可扩展性问题。在本文中，我们提出 FastGAE，一个将图 AE 和 VAE 扩展到具有数百万节点和边的大规模图的通用框架。我们基于高效的随机子图解码方案的策略，显著加速了图 AE 和 VAE 的训练，同时保持甚至提升性能。我们在多个真实世界图上展示了 FastGAE 的有效性，以明显优势优于少数现有的扩展图 AE 和 VAE 的方法。
引用
@article{arxiv.2002.01910,
title = {FastGAE: Scalable Graph Autoencoders with Stochastic Subgraph Decoding},
author = {Guillaume Salha and Romain Hennequin and Jean-Baptiste Remy and Manuel Moussallam and Michalis Vazirgiannis},
journal= {arXiv preprint arXiv:2002.01910},
year = {2021}
}
备注
Accepted for publication in Elsevier's Neural Networks journal