结合路径掩蔽和双解码器的图自编码器框架

作     者：赵韶辉 马晓 王建霞 

作者机构：河北科技大学信息科学与工程学院 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：河北省重点研发计划项目资助项目(21373802D) 教育部人工智能协同育人项目(201801003011) 

主　　题：图自编码器 自监督学习 图神经网络 链接预测 节点分类 

摘      要：图自编码器作为一种自监督学习方法，在图神经网络领域得到广泛应用。然而，最近的研究表明，现有的图自编码器通常重构整个图结构，容易产生过拟合数据。此外，这些方法过度强调邻居信息而忽略了结构信息，导致在节点分类任务中表现不佳。针对以上问题，提出了基于路径掩蔽和双解码器的图自编码器框架，用于图表示学习。首先，通过路径掩蔽方法扰动输入图，避免产生过拟合数据。其次，将图神经网络作为编码器，在剩余的图结构上进行消息传递，提高了对图数据的学习能力。最后，提出双解码器对掩蔽边重构，既包含了邻居信息又捕获了结构信息。模型在5个公开的图数据集上进行了实验，并与当前具有代表性的图表示学习方法进行了对比。实验结果表明，提出的方法在5个数据集上均取得了相似或更好的效果，并且在链接预测和节点分类任务上优于基线方法。