论文解析：Variational Graph Auto-Encoders

最新推荐文章于 2024-08-13 08:51:01 发布
最新推荐文章于 2024-08-13 08:51:01 发布
阅读量2.7k 收藏 11
点赞数 2
分类专栏： Machine Learning 文章标签： GCN VAE 论文笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/da_kao_la/article/details/104757854
版权
这篇博客详细解析了Variational Graph Auto-Encoders（VGAE），一种结合图卷积网络（GCN）与变分自编码器（VAE）的图生成模型。内容包括VAE的基本概念，GAE（GCN应用在Auto-Encoders）的解释，VGAE的实现方式，以及使用交叉熵作为损失函数的细节。实验部分展示了在Cora, Citeseer, Pubmed数据集上的边预测性能，与图谱方法和DeepWalk等基线进行对比。" 102650050,8824013,Vue.js配置详解：开发与打包环境,"['前端开发', 'Vue', 'Webpack']
摘要由CSDN通过智能技术生成

论文解析：Variational Graph Auto-Encoders

  • 作者：Thomas N. Kipf, Max Welling, 和GCN的作者是一样的
  • 会议：Bayesian Deep Learning Workshop (NIPS 2016), NIPS的一个workshop，不是长文
  • 论文链接：Variational Graph Auto-Encoders
  • 代码链接：tkipf/gae

VAE

Variational Auto-Encoder (VAE)，变分自编码器，主要由两部分构成，一个Encoder和一个Decoder, 主要用于生成式模型，Encoder把input变成是概率分布，从概率分布中采样得到隐变量Z，Decoder把这个隐变量Z变成output.
Auto-Encoder (AE)，其他步骤与VAE类似，但是Encoder把input直接变成隐变量Z
对于本文，就是要做一个从图的节点特征以及部分边到图的所有边的生成模型。隐变量就是图节点的表示，Encoder就是图节点的编码器，Decoder就是图的边生成器。

GAE

GAE是GCN在Auto-Encoders (AE)的应用，非常容易理解，

最低0.47元/天 解锁文章
da_kao_la
关注
专栏目录
【NIPS 2016图神经网络论文解读】Variational Graph Auto-Encoders (VGAE) 基于VAE的图变分自编码器
捡起一束光的博客
12-25 5834
Thomas N. Kipf大佬不仅是这篇VGAE的作者，而且还是大名鼎鼎GCN模型的作者。 VGAE是GCN在Variational Graph Auto-Encoders (VAE)的应用。
论文解读（NWR）《Graph Auto-Encoder via Neighborhood Wasserstein Reconstruction》
「 虚幻私塾」
08-20 583
图神经网络(GNNs)近年来引起了广泛的研究关注，主要是在半监督学习的背景下。当任务不可知的表示是首选或监督完全不可用时，自动编码器框架与无监督GNN训练的自然图重建目标一起使用。然而，现有的图自动编码器是通过设计来重建直接链路的，因此以这种方式训练的gnn只针对面向邻近的图挖掘任务进行优化，当拓扑结构很重要时就会失败。
【论文阅读】Variational Graph Auto-Encoder
飞跃大海的猪
01-07 1668
论文阅读笔记《Variational Graph Auto-Encoder》
图自编码器（Graph Auto-Encoder）在PyTorch中的实现教程
最新发布
gitblog_00729的博客
08-13 344
图自编码器（Graph Auto-Encoder）在PyTorch中的实现教程 gae-pytorchGraph Auto-Encoder in PyTorch项目地址:https://gitcode.com/gh_mirrors/ga/gae-pytorch 一、项目介绍 图自编码器(GAE)是深度学习领域处理图形数据的一种重要方法。它能够从节点特征和边关系中提取高级表示，特别适用于社交网络分...
2016 NIPS | Variational Graph Auto-Encoders
发呆的比目鱼的博客
08-27 981
2016 NIPS | Variational Graph Auto-Encoders
Variational-Graph-Auto-Encoders:这是2016年贝叶斯深度学习NIPS研讨会上论文``变图自动编码器''的实施
05-18
变图自动编码器 这是论文“可变图自动编码器”的实现，该论文发表在NIPS 2016 Workshop中。 Thomas N.Kipf，Max Welling，变分图自动编码器，在贝叶斯深度学习NIPS研讨会上，2016年。 如何运行代码？ 确保GPU中有4 GB内存，并且已安装所需的模块。 我们已在“ ./data”中以正确的形式提供了训练数据，并且可以直接运行主程序“ main.py”，例如在终端中输入“ CUDA_VISIBLE_DEVICES = 0 python main.py”。 首次运行时，程序将加载数据并生成图形，这可能会花费大量时间。 之后，加载的图形将保存在“ ./data”中的numpy文件中，您可以更高效地加载图形。 在训练过程中，程序将打印损失值和验证准确性。 最后，ROC曲线将保存为“ ./result”。 结果 程序的结果显示在此处（分别用于引文数据集和
Variational Graph Auto-Encoders论文笔记
昼
11-11 878
Variational Graph Auto-Encoders论文链接原理Inference model 论文链接 原理 本质上也是autoencoder。文章中的Inference model部分本质上就是autoencoder的encoder部分，而Generative model部分本质上就是decoder部分。 Inference model 这一部分采用的是一个两层的GCN，用公式表达即： GCN(X,A)=A~ReLU(A~XW0)W1 GCN(X,A) = \tilde A ReLU (\t
variational graph auto-encoders
03-16
变分图自编码器（Variational Graph Auto-Encoders）是一种用于图形数据的深度学习模型。它使用自编码器的结构来学习图形数据的特征表示，并使用变分推断来学习潜在空间中的概率分布。这种方法可以用于生成新的图形...
【GNN五大类 VGAE】（变分图自编码器）：Variational Graph Auto-Encoders
热门推荐
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
04-29 1万+
转载阿泽的学习笔记 目录 1.Introduction 2.VGAE 2.1 VAE 2.2 VGAE 2.3 GAE 3.Experiment 4.Conclusion 5.Reference Thomas N. Kipf 的 2016 年的工作《Variational Graph Auto-Encoders》，目前引用量为 260 多。 VGAE 属于图自编码器，是图神...
Python-GraphAutoEncoders在TensorFlow中实现图形自动编码器
08-10
Graph Auto-Encoders 在TensorFlow中实现图形自动编码器
Variational graph auto-encoders (VGAE)
连理o的博客
06-27 1489
图自编码器、变分图自编码器
2016-Variational Graph Auto-Encoders
edwinhaha的博客
01-11 3102
目录1 A latent variable model for graph-structured data1.1 Definitions1.2 Inference model1.3 Generative model(生成模型)1.4 Learning1.5 Non-probabilistic graph auto-encoder (GAE) model2 Experiments on link ...
python编码器_Graph Auto-Encoders 在TensorFlow中实现图形自动编码器
weixin_39663605的博客
11-23 268
Graph Auto-EncodersThis is a TensorFlow implementation of the (Variational) Graph Auto-Encoder model as described in our paper:T. N. Kipf, M. Welling, Variational Graph Auto-Encoders, NIPS Workshop on...
[论文精读]Variational Graph Auto-Encoders
Sherlily的博客
07-01 982
计算机-人工智能
论文笔记：Variational Graph Auto-Encoders
qq_44015059的博客
06-03 7270
前言 本文提出了一种基于图数据类型的无监督学习方法，参考自动编码器(AE)和变分自动编码器(VAE)结合图数据结构的特点，提出了图自动编码器(GAE)和变分图自动编码器(VGAE)。先简单描述一下图自编码器的intention 和用途：获取合适的 embedding 来表示图中的节点不是容易的事，而如果能找到合适的 embedding，就能将它们用在其他任务中。VGAE 通过 encoder-decoder 的结构可以获取到图中节点的 embedding，来支持接下来的任务，如链接预测等。 论文链接：htt
【论文阅读】Variational Graph Auto-Encoders(VGAE) | day10、11
qq_41821608的博客
01-27 2349
Variational Graph Auto-Encoders 变分图自动编码器 - 2016-11-21 文章目录一、模型1.定义2.变分自编码器相关知识3.推断模型-编码器4.生成模型-解码器5.学习过程   变分图自编码器VGAE：使用变分自编码器VAE，针对图结构数据，构建无监督学习模型。利用潜在变量，学习无向图的可解释的潜在表示。   基于引文网络构造的无监督VGAE模型的潜在空间。灰色线条表示引用连接，彩色点表示不同类型的论文。 一、模型   该模型由一个卷积神经网络的编码器，和一个简单的内置
探索未知的边界：Graph Auto-Encoders 实现及应用
gitblog_00009的博客
05-13 972
探索未知的边界：Graph Auto-Encoders 实现及应用 gaeImplementation of Graph Auto-Encoders in TensorFlow项目地址:https://gitcode.com/gh_mirrors/ga/gae 在这个充满数据的时代，如何有效地挖掘和理解非结构化的图形数据成为了研究热点。而 Graph Auto-Encoders（GAE）便是解决...
VGAE（Variational graph auto-encoders）论文及代码解读
瞳瞳瞳呀
08-09 8600
一，论文来源 论文pdf Variational graph auto-encoders 论文代码 github代码 二，论文解读 理论部分参考： Variational Graph Auto-Encoders（VGAE）理论参考和源码解析 VGAE（Variational graph auto-encoders）论文详解 理论方面其实前面两位大佬说的很好了，这里我只是来阐述两点： 1.测试方法： 模型在数据集的不完整版本上训练，其中部分引用链接(边)已被移除，而所有节点特征被保留。 我们从先前移除的边和相
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值