초록
우리는 그래프 표현 학습과 관련된 두 가지 기본적인 작업인 링크 예측과 준지도 노드 분류를 검토합니다. 본 연구에서는 링크 예측과 노드 분류의 다중 작업 학습을 위해 로컬 그래프 구조와 사용 가능한 노드 특성을 동시에 학습할 수 있는 새로운 오토인코더 아키텍처를 제시합니다. 제안된 오토인코더 아키텍처는 단일 학습 단계에서 효율적으로 엔드투엔드로 훈련되어 링크 예측과 노드 분류를 동시에 수행할 수 있으며, 이전의 관련 방법들은 최적화하기 어려운 여러 훈련 단계가 필요했습니다. 우리는 9개의 벤치마크 그래프 구조 데이터셋에서 모델을 종합적으로 실증 평가하여 그래프 표현 학습에 대한 관련 방법들보다 상당한 개선을 보임을 입증합니다. 참고용 코드와 데이터는 https://github.com/vuptran/graph-representation-learning 에서 제공됩니다.