原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
网络表征学习通过从网络中节点的稀疏的、高维的特征属性中学习节点的低维向
量表示，进而用于处理基于网络数据的下游任务，比如节点分类、节点聚类、图分类、
链接预测、社团发现等。近年来，随着深度学习突飞猛进地发展，图卷积神经网络有
效地结合了网络中的节点属性与拓扑信息，展现出了出色的网络信息挖掘能力和节点
表征学习能力，逐渐代替了传统的网络表征学习方法。大多数现有的图卷积神经网络
是在半监督的方式下训练的，但是标注数据的成本往往过于昂贵而且耗时。因此，在
近期的研究中，人们将目光更多地转向了图自监督学习
文档评论（0）