Inductive Representation Learning On Large Graphs【阅读笔记】

前言 Network Embedding 旨在为图中的每一个顶点学习获得特征表示。近年的Deepwalk,LINE, node2vec, SDNE, DNGR等模型可以高效地、直推式（transductive）地获得节点的embedding。然而，这些方法没法有效适应动态图中新增节点的特性， 每每须要从头训练或至少局部重训练。斯坦福Jure教授组提出一种适用于大规模网络的概括式（inductive

>>阅读原文<<