ReGAE：基于递归神经网络的图自编码器
机器学习
2022-07-12 v3
摘要
将大图可逆地转换为固定维向量（嵌入）仍然是一项挑战。克服该问题可将任意图上的操作化简为向量空间中的操作。然而，大多数现有方法仅限于具有数十个顶点的图。在本文中，我们利用递归神经网络——编码器与解码器——来解决上述挑战。编码器网络将子图的嵌入转换为更大子图的嵌入，并最终转换为输入图的嵌入。解码器则相反。嵌入的维度恒定，与（子）图的大小无关。本文给出的仿真实验证实，我们提出的图自编码器ReGAE能够处理甚至具有数千个顶点的图。
引用
@article{arxiv.2201.12165,
title = {ReGAE: Graph autoencoder based on recursive neural networks},
author = {Adam Małkowski and Jakub Grzechociński and Paweł Wawrzyński},
journal= {arXiv preprint arXiv:2201.12165},
year = {2022}
}