基于反卷积网络的图自编码器
机器学习
2020-12-23 v1 人工智能
摘要
近期研究表明，图卷积网络（GCNs）在谱域中充当\emph{低通}滤波器并编码平滑的节点表示。本文中，我们考虑其对立面，即图反卷积网络（GDNs），其从平滑的节点表示中重建图信号。我们通过谱域中的逆滤波器与小波域中的去噪层相结合来推动图反卷积网络的设计，因为逆操作会导致\emph{高通}滤波器并可能放大噪声。基于所提 GDN，我们进一步提出一种图自编码器框架，其首先用 GCN 编码平滑的图表示，然后用 GDN 解码精确的图信号。我们在若干任务上展示了所提方法的有效性，包括无监督图级表示、社交推荐与图生成。
引用
@article{arxiv.2012.11898,
title = {Graph Autoencoders with Deconvolutional Networks},
author = {Jia Li and Tomas Yu and Da-Cheng Juan and Arjun Gopalan and Hong Cheng and Andrew Tomkins},
journal= {arXiv preprint arXiv:2012.11898},
year = {2020}
}