利用自编码器学习在图上进行预测
机器学习
2019-03-12 v2 人工智能
机器学习
摘要
我们考察与图表示学习相关的两项基本任务：链接预测与半监督节点分类。我们提出一种新颖的自编码器架构，能够学习局部图结构与可用节点特征的联合表示，用于链接预测与节点分类的多任务学习。我们的自编码器架构在单一学习阶段内端到端高效训练，可同时执行链接预测与节点分类，而先前的相关方法需要难以优化的多步训练。我们在九个基准图结构数据集上对我们的模型进行了全面的实证评估，并展示出相对于图表示学习相关方法的显著改进。参考代码与数据可在 https://github.com/vuptran/graph-representation-learning 获取。
引用
@article{arxiv.1802.08352,
title = {Learning to Make Predictions on Graphs with Autoencoders},
author = {Phi Vu Tran},
journal= {arXiv preprint arXiv:1802.08352},
year = {2019}
}
备注
Published as a conference paper at IEEE DSAA 2018