그래프의 잠재 표현
그래프 구조 자료에 변분 오토인코더를 적용해 잠재 변수를 학습한다. 원 연구는 무방향 그래프를 위한 해석 가능한 잠재 표현을 구성하는 틀로 제안했다.
인코더와 내적 디코더
그래프 합성곱 신경망으로 노드의 잠재 표현을 인코딩하고 단순한 내적 디코더로 연결을 다룬다. 그래프의 연결 구조와 함께 노드 특징도 자연스럽게 포함할 수 있도록 구성했다.
인용망의 연결 예측
원 연구는 인용 네트워크에서 연결 예측 과제를 평가했다. 노드 특징을 포함했을 때 여러 벤치마크의 예측 성능이 개선되는지도 조사해 구조와 속성의 결합 효과를 살폈다.
관련 문서
변분 오토인코더 / 그래프 합성곱 신경망 / 그래프 / 내적 / 표현 학습 / 링크 예측