基于二階圖卷積自編碼器的圖表示學習

摘要： 圖卷積自編碼器是一類高效的圖表示學習模型，在鏈路預測等任務中具有出色性能。然而現(xiàn)有模型大多依賴圖卷積網(wǎng)絡對鄰接矩陣和屬性矩陣進行編碼，未充分利用二階信息等高階結(jié)構(gòu)特征。針對上述問題，提出了基于二階信息的圖卷積自編碼器模型SeVGAE。首先使用圖卷積和二階圖卷積生成變分自編碼器的均值和方差，然后學習嵌入向量表示原始圖的混合概率分布，最后使用內(nèi)積解碼器恢復拓撲結(jié)構(gòu)。在鏈接預測任務中... （共8頁）