.png){kind=icon}
返回
MVSGAE: Multi-head Variational Signed Graph Auto-Encoder
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-5640-3_41.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
带符号图表示学习是当前的研究热点。现有方法关注现有连接，很大程度上忽视了非存在连接的重要性。由于平衡理论和带符号图的稀疏性限制，这些模型难以捕捉现实世界带符号图的复杂性，导致在链路预测等下游任务中表现不佳。为解决这些问题，我们提出了多头变分带符号图自编码器（MVSGAE）。具体而言，我们设计了多个变分推理网络，从仅包含原始图中正负边的正负子图中提取节点表示，然后利用节点表示重构两个子图的对应邻接矩阵。最后，我们使用两个不同子图的预测结果判断连接是否存在及其符号。实验结果表明，MVSGAE优于各种竞争基线，实现了最先进的性能。
Keyword:
Signed Graph
Variational Auto-encoding
Graph Neural Network
期刊
W
IF:
0
论文数:
32
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏分享收藏分享收藏分享收藏
分享收藏
查看更多内容