초록
우리는 그래프 표현 학습과 관련된 두 가지 기본적인 작업인 링크 예측(link prediction)과 노드 분류(node classification)를 검토합니다. 우리는 비지도형 링크 예측과 준비지도형 노드 분류의 동시 다중 작업 학습을 위한 지역 그래프 구조와 사용 가능한 노드 특징의 공동 표현을 학습할 수 있는 새로운 오토인코더 구조를 제시합니다. 우리의 모델은 단순하면서도 효과적이고 유연하며, 이전의 관련 깊은 그래프 임베딩 방법들이 최적화하기 어려운 여러 훈련 단계가 필요한 반면, 단일 단계에서 효율적으로 end-to-end로 훈련됩니다. 우리는 5개의 벤치마크 관계 그래프 구조 데이터셋에서 우리의 모델에 대한 경험적 평가를 제공하고, 그래프 표현 학습을 위한 세 가지 강력한 기준선보다 크게 개선되는 것을 보여줍니다. 참고용 코드와 데이터는 https://github.com/vuptran/graph-representation-learning에서 이용 가능합니다.