NetGAN：通过随机游走生成图
机器学习
2019-03-29 v2 机器学习
社会与信息网络
摘要
我们提出 NetGAN——首个能够模仿真实世界网络的隐式生成图模型。我们将图生成问题表述为学习输入图上偏置随机游走的分布。所提出的模型基于一个生成离散输出样本的随机神经网络，并使用 Wasserstein GAN 目标进行训练。NetGAN 能够生成展现出知名网络模式的图，而无需在模型定义中显式指定它们。同时，我们的模型展现出强泛化性质，正如其具有竞争力的链接预测性能所突显的，尽管并未专门针对该任务训练。作为首个结合这两种理想性质的方法，NetGAN 为进一步研究开辟了令人兴奋的途径。
引用
@article{arxiv.1803.00816,
title = {NetGAN: Generating Graphs via Random Walks},
author = {Aleksandar Bojchevski and Oleksandr Shchur and Daniel Zügner and Stephan Günnemann},
journal= {arXiv preprint arXiv:1803.00816},
year = {2019}
}
备注
ICML 2018