Variation Autoencoder Based Network Representation Learning for Classification——paper 笔记

传统的方法是矩阵降维和矩阵分解做为表示，可是不适用于大型网络。网络 借鉴 nlp 中的处理思路，先 随机游走，处理成节点序列，再使用节点在上下文中的表示。缺点：没法使用节点自身的信息。学习 本文提出一种直观的方法是分别单独学习文本表示和网络结构，而后把两种独立的表示合并在一块儿。3d 将网络的邻接矩阵和训练好的内容表示做为输入，通过 VAE 获得 embedding 表示。blog 联合训练模型中

>>阅读原文<<