变分图自编码器
机器学习
2016-11-23 v1 机器学习
摘要
我们引入了变分图自编码器（VGAE），这是一个基于变分自编码器（VAE）的、用于图结构数据无监督学习的框架。该模型利用隐变量，能够为无向图学习可解释的隐表示。我们使用图卷积网络（GCN）编码器和简单的内积解码器来演示此模型。我们的模型在引文网络上的链路预测任务中取得了有竞争力的结果。与大多数现有的用于图结构数据无监督学习和链路预测的模型相比，我们的模型可以自然地融入节点特征，这显著提升了在多个基准数据集上的预测性能。
引用
@article{arxiv.1611.07308,
title = {Variational Graph Auto-Encoders},
author = {Thomas N. Kipf and Max Welling},
journal= {arXiv preprint arXiv:1611.07308},
year = {2016}
}
备注
Bayesian Deep Learning Workshop (NIPS 2016)