Wasserstein Adversarially Regularized Graph Autoencoder

•Application of Wasserstein distance under graph settings.•Using Wasserstein distance for node embedding regularization.•Applying weight clipping and gradient penalty approaches for Lipschitz continuity.•Comparison of regularization against KL divergence and adversarial methods.•Detailed experiment...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	Neurocomputing (Amsterdam) Jg. 541; S. 126235
Hauptverfasser:	Liang, Huidong, Gao, Junbin
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Elsevier B.V 07.07.2023
Schlagworte:	Adversarial training Graph neural networks Variational autoencoder Wasserstein distance Variational autoencoder Wasserstein distance Graph neural networks Adversarial training 00–01 99–00
ISSN:	0925-2312, 1872-8286
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!