BriefGPT - AI 论文速递 · 2023-09-06T00:00:00Z GroupEnc: 具有全局结构保持群损失的编码器 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 本文介绍了可变图自编码器（VGAE）框架，用于处理基于变分自编码器（VAE）的图结构数据无监督学习模型。该模型利用潜在变量学习图的可解释的潜在表示。在链接预测任务中，使用图卷积网络（GCN）编码器和内积解码器展示该模型。与其他无监督学习模型相比，该模型能够自然地融入节点特征，从而在多个基准数据集上提高预测性能。 🏷️ 标签 GCN VAE VGAE 变分自编码器 可变图自编码器 图卷积网络 无监督学习模型 潜在变量 编码器 链接预测任务 预测性能 阅读原文 生成长图 分享链接 已复制链接
