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。