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。