本文将对抗训练引入网络表征学习中，作为一种训练过程中的约束项，使得网络的嵌入更加鲁棒，泛化效果也更好。对抗训练是一种高效的正则化方法，在训练过程中，通过对输入增加动态扰动来增加模型的鲁棒性和泛化能力。但传统的连续扰动方式并不适用于离散的图结构，而本文提出通过对图节点的嵌入向量进行扰动来解决这一问题。另外，为了对抗训练样本的可解性，本文在快速梯度扰动方法的基础上，通过限定扰动量为当前节点若干最近邻居的线性组合，使得扰动量具有一定的可解释性。

论文题目：

Adversarial Training Methods for Network Embedding

论文地址：

https://dl.acm.org/doi/10.1145/3308558.3313445

1.在集智斑图网站报名。点击公众号文末的“阅读原文”，进入集智斑图网站论文详情页面。在论文页面，点击“我要听”，即可报名参加。

2.注册安装“瞩目”会议软件。读书会线上提问交流平台为“瞩目”。请在读书会开始前，下载并安装注册“瞩目“软件（PC端、移动端均可）。

“瞩目”软件注册下载地址：

https://www.zhumu.me

3.微信获取“瞩目”房间号。报名后，集智俱乐部服务号将提前告知你瞩目平台房间号。直播时，在“瞩目”输入房间号即可进入直播间提问互动。

编辑：张爽

• 第四十三期图网络论文解读

• 时间：12月30日 周一

• 主讲人：刘晶

• 论文题目：

  Model-free prediction of spatiotemporal dynamical systems with recurrent neural networks

• 论文地址：

  https://journals.aps.org/prresearch/pdf/10.1103/PhysRevResearch.1.033056

• 视频回放：

http://campus.swarma.org/play/coursedetail?id=11102

• 第四十二期图网络论文解读

• 时间：12月23日 周一

• 主讲人：王硕

• 论文题目：

  Graph WaveNet for Deep Spatial-Temporal Graph Modeling

• 论文地址：

  https://arxiv.org/abs/1906.00121

• 视频回放：
http://campus.swarma.org/play/coursedetail?id=11091

• 第四十期图网络论文解读
• 时间：12月09日 周一
• 主讲人：胡乔
• 论文题目：
  Bipartite Graph Neural Networks for Efficient Node Representation Learning
• 论文地址：

  https://arxiv.org/abs/1906.11994

• 视频回放：
http://campus.swarma.org/play/coursedetail?id=11074

---

集智俱乐部QQ群｜877391004

商务合作及投稿转载｜swarma@swarma.org

◆◆◆

搜索公众号：集智俱乐部

加入“没有围墙的研究所”

让苹果砸得更猛烈些吧！

原文始发于微信公众号（集智俱乐部）：集智