图神经网络（三十）图编码器发展与相关论文

图神经网络包括：

• 图循环神经网络（GRNN)
• 图卷积神经网络（GCN）
• 图自动编码器（GAE）
• 图强化学习（GRL）
• 图对抗（GA）

之前的paper阅读主要集中于图卷积神经网络，本篇想通过阅读三篇经典图编码器论文来深入了解这个邻域，篇幅有限，只展示模型部分，本文涉及paper目录如下：

---

Structural Deep Network Embedding

本文收录于KDD2016，作者来自于清华大学。这是一篇第一次将编码器应用于图表示学习的文章。源码在这

MODEL

本文模型框架如下：

拉普拉斯特征映射，一种降维方法，思想是相连的节点降维后应该尽可能相似，也就是保留节点的一阶相似性。

本文的主要概括为：SDNE是第一次将深度模型应用于图表示学习半监督模型，它在进行网络节点嵌入时同时考虑了一阶相似性和二阶相似性，其中一阶相似性体现在使用监督学习的方