图变分扩散网络实现鲁棒节点表示学习
原文中文，约200字，阅读约需1分钟。发表于：。我们通过使用图神经网络（GNNs）进行节点表示学习，并结合高斯噪声来保护鲁棒性并减轻过度平滑问题，提出了一种名为 Graph Variational Diffusion Network（GVDN）的新型节点编码器。
本文介绍了一种在超几何空间学习动态图形表示的方法，使用基于理论的时间编码方法的Temporal GNN来建模动态性。设计了基于HVGNN的超几何图像变分自编码器，用于生成具有随机性质的节点表征。引入了超几何正态分布的可重参数采样算法，以提高HVGNN的梯度优化能力。实验结果表明，该方法在现实数据集上的效果优于现有基线。
