ICLR 2022 || 通过邻域/度/初始特征重建的等图自编码器

来源：深度学习与图网络
本文为论文，建议阅读5分钟该论文提出了一种新的图表示学习方法。

Graph Auto-Encoder via Neighborhood Wasserstein Reconstruction

Mingyue_Tang, Pan Li, Carl Yang

https://openreview.net/forum?id=ATUh28lnSuW

得分 8/6/6/5

如图，颜色表示节点特征

现有的图自动编码，例如 GAE（Kipf & Welling, 2016）学习的节点表示由于其优化简单的重建目标以至无法区分像 (2, 4)  和 (3, 5)这样的点。

另一方面，像 GraphWave (Donnat et al., 2018) 这样的面向结构的嵌入模型不考虑节点特征和空间接近度，无法区分像 (0, 1), (2, 4) 和 (3，5) 这样的节点对。

该论文提出了一种新的图表示学习方法。简单来说，对损失函数部分进行了比较大的改进，损失函数分为三项，对degree, neighborhood, feature 进行重建。