Dual-decoder graph autoencoder for unsupervised graph representation learning

Unsupervised graph representation learning is a challenging task that embeds graph data into a low-dimensional space without label guidance. Recently, graph autoencoders have been proven to be an effective way to solve this problem in some attributed networks. However, most existing graph autoencode...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Knowledge-based systems Ročník 234; s. 107564
Hlavní autoři:	Sun, Dengdi, Li, Dashuang, Ding, Zhuanlian, Zhang, Xingyi, Tang, Jin
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Amsterdam Elsevier B.V 25.12.2021 Elsevier Science Ltd
Témata:	Affinity Algorithms Attributes Clustering Decoders Embedding Feature maps Graph autoencoder Graph clustering Graph embedding Graph neural networks Graph representation learning Graph representations Graphical representations Learning Machine learning Representation Graph clustering Graph representation learning Graph autoencoder Graph neural networks Graph embedding
ISSN:	0950-7051, 1872-7409
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!