斯坦福Jure Leskovec图深度生成模型：GraphRNN和GraphCPN（附PPT下载）

【导读】在大洋彼岸的新奥尔良，正在举行一年一度的机器学习顶会：ICLR 2019。今年，ICLR19共收到了1578篇投稿，较去年增长60%。当前，图表示学习也非常火热，在ICLR2019的《Representation Learning on Graphs and Manifolds》Workshop上，斯坦福大学的教授Jure Leskovec详细介绍了他的最新成果，GraphRNN和Graph Convolutional Policy Network。现实生活中的很多关系都是通过图的形式来表达的，针对图结构数据的分析的一个关键问题就是如何合理的表示图结构的低维特征表示，也即是图表示学习。Jure Leskovec是图表示学习方法node2vec和GraphSAGE作者之一，在这次演讲中他详细讲解了GraphRNN和Graph Convolutional Policy Network的图表示学习。▌相关论文和代码论文node2vec: Scalable Feature Learning for Networks. A. Grover, J. Lesk ………………………………