Adversarially Regularized Graph Autoencoder for Graph Embedding
论文链接
总结
这篇文章将GAN(生成对抗网络)加入到了GAT中,根据base-encoder的不同,提出了adversarially regularized graph autoen-coder(ARGA) 和adversarially regularized vari-ational graph autoencoder(ARVGA),这两种GAE模型。
网络
分为三部分:encoder(generator)、decoder和discriminator
Encoder
encoder部分非为两种,一个是普通的GAE,也就是单纯的两层GCN卷积后直接获得隐向量 Z Z Z,另外一种是VGAE(笔记),通过学习隐向量 Z Z Z的分布来获得 Z Z Z。
Decoder
decoder部分与GAE和VGAE一样是内积 z z T zz^T z