AEGCN: An Autoencoder-Constrained Graph Convolutional Network

We propose a novel neural network architecture, called autoencoder-constrained graph convolutional network, to solve node classification task on graph domains. As suggested by its name, the core of this model is a convolutional network operating directly on graphs, whose hidden layers are constraine...

Celý popis

Podrobná bibliografie

Vydáno v:	Neurocomputing (Amsterdam) Ročník 432; s. 21 - 31
Hlavní autoři:	Ma, Mingyuan, Na, Sen, Wang, Hongyu
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 07.04.2021
Témata:	Graph autoencoder Graph convolutional networks Graph node classification Homogeneous and heterogeneous graphs Graph autoencoder Graph node classification Graph convolutional networks Homogeneous and heterogeneous graphs
ISSN:	0925-2312, 1872-8286
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!