多任务图自编码器
机器学习
2018-11-08 v1 机器学习
摘要
我们考察图表示学习中两个基本任务：链接预测与节点分类。我们提出一种新的自编码器架构，能够学习局部图结构与可用节点特征的联合表示，用于无监督链接预测与半监督节点分类的同步多任务学习。我们简单而有效且通用的模型在单一阶段端到端高效训练，而先前相关的深度图嵌入方法需要难以优化的多步训练。我们在五个基准关系型图结构数据集上对所提模型进行实证评估，并展示相比三个强基线图表示学习方法有显著改进。参考代码与数据见 https://github.com/vuptran/graph-representation-learning。
引用
@article{arxiv.1811.02798,
title = {Multi-Task Graph Autoencoders},
author = {Phi Vu Tran},
journal= {arXiv preprint arXiv:1811.02798},
year = {2018}
}
备注
NIPS 2018 Workshop on Relational Representation Learning. Short version of arXiv:1802.08352