要約
グラフ表現学習に関連する2つの基本的なタスク、すなわちリンク予測と半教師付きノード分類について検討します。これらの多目的学習のための局所的なグラフ構造と利用可能なノード特徴量の共同表現を学習できる新しいオートエンコーダーのアーキテクチャを提案します。我々のオートエンコーダーは、単一の学習段階で効率的にエンドツーエンドで訓練され、リンク予測とノード分類を同時に実行します。これに対して、以前の関連手法では最適化が難しい複数の訓練ステップが必要でした。9つのベンチマークグラフ構造データセット上で我々のモデルを包括的に実験評価し、関連手法に比べて著しい改善が示されました。参考コードとデータは https://github.com/vuptran/graph-representation-learning から入手可能です。