实体
Graph Autoencoders
Graph Autoencoders
PulseAugur coverage of Graph Autoencoders — every cluster mentioning Graph Autoencoders across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的图自编码器通过结构惩罚改进动态图嵌入
研究人员开发了新的基于距离的图自编码器（GAE）变体，旨在通过考虑节点间的结构异质性来改进动态图嵌入。这些方法将结构惩罚纳入重构损失，特别是基于度中心性的中心节点惩罚以及源自自然社区局部内在维度（NC-LID）的惩罚。实验表明，与没有结构正则化或仅有中心节点感知正则化的基线相比，集成基于NC-LID的正则化一致地提高了重构性能，突出了NC-LID作为动态图设置中GAE的有价值的结构信号。
-
新框架统一图自编码器与对比学习
一篇新的研究论文提出了一种统一的框架来理解图自编码器（GAEs），将其重新构建为隐式对比学习器。研究表明，许多现有的GAEs主要区别在于其对比视图的构建方式，而非其核心目标或架构。这一视角强调了源于子图视图不匹配的不对称对比视图，是一个重要但之前未被充分探索的设计元素。该研究为开发更有效和可扩展的GAEs提供了实践指导。