典型文献
图注意力自编码器
文献摘要：
自编码器已然成为无监督学习的一个成功框架.但传统的自编码器无法利用图结构数据中的存在关系.图自编码器忽略了重构图的结构以及节点特征.针对图自编码器存在的问题Amin Salehi等人[9]在图自编码器上加入了注意力机制,通过堆叠自我注意力机制的编码器或解码器层来重构输入的图结构以及节点特征.每层通过注意力机制获取邻居节点的特征来生成节点的嵌入表示.最后解码器在反转编码过程来重构节点特征.在Cora数据集上通过调参将原始的基于归纳式学习的图注意力自编码器分类准确率从82.5％提升到83.4％,准确率提升0.9％,该模型是基于归纳式学习能够适用于在其他未见过的图结构.
文献关键词：
无监督;编码器;图结构;节点表示;图注意力编码器
中图分类号：
作者姓名：
谢成心;侯冀超;陈威;温秀梅
作者机构：
河北建筑工程学院,河北张家口 075000;张家口市大数据技术创新中心,河北张家口 075000
文献出处：
引用格式：
[1]谢成心;侯冀超;陈威;温秀梅-.图注意力自编码器)[J].河北建筑工程学院学报,2022(04):166-169,175
A类：
Salehi,图注意力编码器
B类：
无监督学习,法利,图结构数据,图自编码器,构图,节点特征,Amin,注意力机制,堆叠,自我注意,解码器,每层,邻居节点,来生,嵌入表示,Cora,归纳式,分类准确率,准确率提升,节点表示
AB值：
0.231905
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
