1.abstract
属性图嵌入通过对图结构和结点特征的学习来学习向量表示。现存的基于gcn的方法主要存在以下三个问题:1.图卷积核和权重矩阵的关联会影响模型的表现和鲁棒性。2.现在使用的图卷积核是一种通用图卷积的特例,但是没有保存最优低通属性。3.现在的训练过程通常需要邻接矩阵或特征矩阵,在现实应用中不一致(?).本文提出Adaptive Graph Encoder(AGE):使用了更好的拉普拉斯卷积核来减轻高频噪声,使用adaptive encoder获得更好的结点嵌入。
相关阅读笔记
Adaptive Graph Encoder for Attributed Graph Embedding 论文阅读
最新推荐文章于 2023-02-03 13:34:22 发布