私たちは、グラフ構造データの非教師あり学習のためのフレームワークとして、変分グラフオートエンコーダ（Variational Graph Auto-Encoder, VGAE）を導入します。このモデルは変分オートエンコーダ（Variational Auto-Encoder, VAE）に基づいており、潜在変数を利用し、無向グラフの解釈可能な潜在表現を学習することができます。我々は、グラフ畳み込みネットワーク（Graph Convolutional Network, GCN）エンコーダと単純な内積デコーダを使用して、このモデルを実証します。当該モデルは引用ネットワークにおけるリンク予測タスクで競争力のある結果を達成しています。既存の大多数の非教師あり学習モデルやリンク予測モデルとは異なり、私たちのモデルはノード特徴量を自然に組み込むことができ、これが複数のベンチマークデータセットでの予測性能を大幅に向上させています。