摘要
我们研究了图表示学习中的两个基本任务：链接预测和半监督节点分类。本文提出了一种新颖的自动编码器架构，该架构能够同时学习局部图结构和可用节点特征的联合表示，以实现链接预测和节点分类的多任务学习。我们的自动编码器架构在单个学习阶段中高效地端到端训练，可以同时执行链接预测和节点分类，而以往的相关方法需要多个难以优化的训练步骤。我们在九个基准图结构数据集上对模型进行了全面的实证评估，并展示了相对于图表示学习相关方法的显著改进。参考代码和数据可在 https://github.com/vuptran/graph-representation-learning 获取。