基于同步联合优化的注意力图自编码器

摘要：

针对现有图嵌入方法损失函数来源单一导致节点表示不能被充分优化的问题,提出了基于同步联合优化的注意力图自编码器(attentional graph auto-encoder based on synchronous joint optimization,AGE-SJO).设计基于注意力机制的编码器学习节点表示,并利用内积解码器重建图结构生成重建损失(LR);为从多方面优化表示,将编码器和多层感知机分别作为生成模型和判别模型进行对抗训练,获得生成损失(LG)和判别损失(LD);提出同步联合优化策略,依次在LR的k步、LD的k步和L G的1步之间优化表示,并将其应用于链路预测和节点聚类.在引文数据集上的实验结果表明,所提出的AGE-SJO性能优越,与最强基线相比,AUC、AP、ACC、NMI和ARI指标可分别提升1.6％、2.1％、10.6％、4.9％ 和12.4％.

关键词：注意力图自编码器;生成对抗机制;同步联合优化;图嵌入;网络表示学习

所属期刊栏目：16

分类号：TP181(自动化基础理论)

资助基金：国家重点研发计划项目;国家自然科学基金资助项目

在线出版日期：2021-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1248-1255