摘要

我们介绍了变分图自编码器（Variational Graph Auto-Encoder, VGAE），这是一种基于变分自编码器（Variational Auto-Encoder, VAE）的框架，用于图结构数据的无监督学习。该模型利用潜在变量，能够为无向图学习可解释的潜在表示。我们通过使用图卷积网络（Graph Convolutional Network, GCN）编码器和简单的内积解码器来展示这一模型。我们的模型在引文网络的链接预测任务中取得了具有竞争力的结果。与大多数现有的图结构数据无监督学习和链接预测模型不同，我们的模型可以自然地融入节点特征，这在多个基准数据集上显著提高了预测性能。