带标签图生成对抗网络
机器学习
2021-02-26 v2 机器学习
摘要
作为训练生成模型的新方法，生成对抗网络（GAN）在图像生成中已取得可观成功。该框架近来也被应用于具图结构的数据。我们提出带标签图生成对抗网络（LGGAN）以训练面向带节点标签的图结构数据的深度生成模型。我们在多种图数据集上测试该方法，例如引文网络与蛋白质图的集合。实验结果表明，我们的模型能生成多样的带标签图，匹配训练数据的结构特征，并在质量与泛化性上优于所有替代方法。为进一步评估生成图的质量，我们将其用于图分类的下游任务，结果显示 LGGAN 能忠实捕捉图结构的重要方面。
引用
@article{arxiv.1906.03220,
title = {Labeled Graph Generative Adversarial Networks},
author = {Shuangfei Fan and Bert Huang},
journal= {arXiv preprint arXiv:1906.03220},
year = {2021}
}