Multi-Task Graph Autoencoders

Phi Vu Tran

提出了Multi-Task Graph Autoencoder (MTGAE)，同时学习unsupervised link prediction和semi-supervised node classification。

在autoencoder的部分，采取了symmetrical autoencoder操作；即为将encoder和decoder的parameter共享（除了bias term）。

如果有node feature matrix $$X$$，那么就将它和adjacency matrix进行拼接，从而得到augmented adjacency matrix $$\bar A$$，然后用相同的GAE。

注意这里用的layer是fully-connected layer。