论文地址:Kipf T N, Welling M. Variational graph auto-encoders[J]. NIPS, 2016. 代码地址:github.com/tkipf/gae 图神经网络可以细分为五类:图卷积网络、图注意力网络、图时空网络、图生成网络和图自编码器。其中图卷积和图注意力网络资料较多,本文就不再赘述,这里解读一篇发表在NIPS2016上的经典图自编码器...
论文标题:Variational Graph Auto-Encoders 论文作者:Thomas Kipf, M. Welling 论文来源:2016, ArXiv 论文地址:download 论文代码:download 1 Introduce 变分自编码器在图上的应用,该框架可以自行参考变分自编码器。 2 Method 变分图自编码器(VGAE ),整体框架如下: ...
Variational Graph Auto-Encodersarxiv.org/pdf/1611.07308.pdf codespaperswithcode.com/paper/variational-graph-auto-encoders 变分图自编码器(VGAE)是一种基于变分自编码器的图结构数据上的无监督学习框架。VGAE利用潜在变量,学习无向图的可解释i安在表示,如下图: Cora数据集上训练的无监督VGAE模型的潜...
论文:Variational Graph Auto-Encoders阅读笔记 作者:Thomas N. Kipf, Max Welling, 和GCN的作者是一样的 会议:Bayesian Deep Learning Workshop (NIPS 2016), NIPS的一个workshop,不是长文 论文链接:Variational Graph Auto-Encoders 代码链接:tkipf/... 查看原文 图神经网络五大类之一 VGAE(变分图自编码器)...
《Variational Graph Auto-Encoders (VGAE)》T N. Kipf, M Welling [University of Amsterdam] (2016) http://t.cn/Rf9wcYO
Thomas N. Kipf 的 2016 年的工作《Variational Graph Auto-Encoders》,目前引用量为 260 多。 VGAE 属于图自编码器,是图神经网络细分类别的一大类。Kipf 同学也非常厉害,其影响力最大的一篇论文莫过于 2017 年提出的 GCN 模型。 VGAE 全称为 Variational Graph Auto-Encoders,翻译过来就是变分图自编码器,...
Variational Graph Autoencoders Method Based on Attentional Mechanisms for Overlapping Community Detection It applies a variational graph autoencoder based on attentional mechanisms to learn the representation of nodes in the graph and enhances the representation ... K Wen,M Lin,X Zhu,... - Internati...
摘要 将VAE扩展到具有隐式反馈的协同过滤,这样能够超越线性因子模型。提出了一个具有多项式条件似然的神经生成模型。目前推荐系统用的比较多的是rank指标,这里本文也说明了为什么多项似然非常适合隐式反馈数据建模。相对于高斯函数和逻辑函数更加接近rank损失 马上提出了
learning mutual information maximization 摘要 With the success of Graph Neural Network (GNN) in network data, some GNN-based representation learning methods for networks have emerged recently. Variational Graph Autoencoder (VGAE) is a basic GNN framework for network representation. Its purpose is to...
VARIATIONAL RECURRENT AUTO-ENCODERS 详解 摘要 在本文中,我们提出了一个结合了RNN和SGVB优势的模型:变分自动编码器(VRAE)。 这种模型可用于对时间序列数据进行有效的大规模无监督学习,将时间序列数据映射到潜在向量表示。 该模型是生成模型,因此可以从隐藏空间的样本生成数据。 这项工作的一个重要贡献是该模型可以...