변형 그래프 오토인코더

우리는 변형 그래프 오토인코더(VGAE)를 소개합니다. 이는 변형 오토인코더(VAE)를 기반으로 한 그래프 구조 데이터에 대한 비지도 학습 프레임워크입니다. 이 모델은 잠재 변수를 사용하며, 무방향 그래프에 대해 해석 가능한 잠재 표현을 학습할 수 있습니다. 우리는 그래프 합성곱 네트워크(GCN) 인코더와 간단한 내적 디코더를 사용하여 이 모델을 시연합니다. 우리의 모델은 인용 네트워크에서 링크 예측 작업에서 경쟁력 있는 결과를 달성합니다. 기존의 비지도 학습 모델과 링크 예측을 위해, 우리의 모델은 노드 특징을 자연스럽게 통합할 수 있어 여러 기준 데이터셋에서 예측 성능을 크게 향상시킵니다.