VGAE（自编码器）

最新推荐文章于 2024-02-20 09:30:11 发布

所有的告别中，最喜欢的就是明天见！

最新推荐文章于 2024-02-20 09:30:11 发布

阅读量2.6k

点赞数 1

文章标签：自然语言处理神经网络

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/zz1049694353/article/details/118968296

版权

本文介绍了图自编码器（GAE）和变分图自编码器（VGAE）的概念。GAE利用图卷积网络（GCN）捕获节点间的信息传播，通过两层GCN获取节点的二阶邻居信息。而VGAE则在此基础上生成Z的分布，不再是确定性的结果。这种变分方法增加了模型的表达能力。

摘要由CSDN通过智能技术生成

1.GAE(图自编码器)

其中，graph由A、X两个矩阵代表图信息，最重要的GCN公式可解释为：

$Z=GCN\left ( A,X \right )$

Z为中间编码器生成的隐层即最终生产的embedding。其中GCN具体实现为如下的两层的GCN：

$GCN\left ( A,X \right )=\widehat{A}Relu\left ( \widehat{A}XW_{0} \right )W_{1}$

其中 $\widehat{A}=I+D^{-\frac{1}{2}}AD^{-\frac{1}{2}}$ ，为图邻接矩阵A的拉普拉斯矩阵。表现了图中信息扩散的趋势方向。即把自己邻居的信息累计起来也加入为自己的特征的一部分。两层的GCN即获取二阶邻居。

2.变分图自编码器（VGAE）

在GAE的基础上，不再生成确定的Z，相反生成Z的分布（从一个（多维）高斯分布中采样得到）。

参考：https://zhuanlan.zhihu.com/p/112206566

所有的告别中，最喜欢的就是明天见！

关注

1
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
VGAE（自编码器）

1.GAE(图自编码器)其中，graph由A、X两个矩阵代表图信息，最重要的GCN公式可解释为：Z为中间编码器生成的隐层即最终生产的embedding。其中GCN具体实现为如下的两层的GCN：其中，为图邻接矩阵A的拉普拉斯矩阵。表现了图中信息扩散的趋势方向。即把自己邻居的信息累计起来也加入为自己的特征的一部分。两层的GCN即获取二阶邻居。2.变分图自编码器（VGAE）在GAE的基础上，不再生成确定的Z，相反生成Z的分布（从一个（多维）高斯分布中采样得到）。参考...
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。