历安毛子代枚大” 2.图神经网络的种类 XIDIAN UNIVERSITY ③图自编码器 (graph autoencoders (GAEs)) 获取合适的embedding来表示图中的节点不是容易的事，而如果能找到 合适的embedding,就能将它们用在其他任务中。 GAE通过encoder-decoder的结构可以获取到图中节点的embedding, 来支持接下来的任务，如节点分类、链接预测等。 ④ 空时图神经网络(spatial--temporal GNNs) 空时图是指网络节点的属性随时间变化的图，空时图神经网络是可以处 理空时图的神经网络
2. 图神经网络的种类 7 ③ 图自编码器（graph autoencoders (GAEs)） • 获取合适的 embedding 来表示图中的节点不是容易的事，而如果能找到 合适的 embedding，就能将它们用在其他任务中。 • GAE 通过encoder-decoder 的结构可以获取到图中节点的 embedding， 来支持接下来的任务，如节点分类、链接预测等。 ④ 空时图神经网络（spatial–temporal GNNs） 空时图是指网络节点的属性随时间变化的图，空时图神经网络是可以处 理空时图的神经网络
面些毛子代技大” 2.图神经网络的种类 XIDIAN UNIVERSITY 图神经网络与网络嵌入(graph embedding): ·网络嵌入的目的是将网络节点用低维向量来表示，同时 保留网络拓扑结构和节点内容信息，使得后续的图分析 任务，例如节点分类、聚类、推荐等，可以用现成的算 法（比如用SVM来实现分类）来实现。 ·图神经网络则是从端到端处理与图相关任务的深度学习 模型。许多图神经网络可以明确的提取高层表达而不是 节点表示。 Embedding GNN (方法) (任务) 因子分解 表示学习 度学习 节点分类 随机游走 链路预测 8
2. 图神经网络的种类 8 图神经网络与网络嵌入（graph embedding）： • 网络嵌入的目的是将网络节点用低维向量来表示，同时 保留网络拓扑结构和节点内容信息，使得后续的图分析 任务，例如节点分类、聚类、推荐等，可以用现成的算 法（比如用SVM来实现分类）来实现。 • 图神经网络则是从端到端处理与图相关任务的深度学习 模型。许多图神经网络可以明确的提取高层表达而不是 节点表示