对抗正则化图自编码器-ARGA-ARVGA

1. 图卷积Autoencoder。自动编码器采用图A的结构和节点内容X作为输入，学习一个潜在表示Z，然后从Z重建图结构A。
2. 对抗的正规化。对抗网络通过对抗训练模块迫使潜在码匹配先验分布，该模块区分当前潜在码zi∈Z是来自编码器还是来自先验分布。

---

1、图编码器

为了在一个统一的框架中表示图结构A和节点内容X，我们开发了一种图卷积网络(GCN)的变体作为图编码器。我们的图卷积网络(GCN)将卷积的运算扩展到谱域的图数据，并通过谱卷积函数𝑓(𝑍𝑙,𝐴|𝑊𝑙)学习分层变换:

 每一层的图卷积可以如下表示：

 编码器：

 变分图编码器由一个推理模型定义:

---

 2、图解码器

 图自编码器模型：

---

3、优化器

对于图编码器，我们通过以下方法最小化图数据的重构误差:

 对于变分图编码器，我们将变分下界优化如下:

---

4、对抗图自编码器模型

用识别器D(Z)训练编码器模型的公式可以写成:

 其中G(X, A)和D(Z)表示上述生成器和鉴别器。

---

5、算法流程