带信息正则化的对抗图对比学习
机器学习
2023-12-19 v5
摘要
对比学习是图表示学习中一种有效的无监督方法。近来,基于数据增强的对比学习已从图像扩展至图。然而,多数先前工作直接改编自为图像设计的模型。与图像上的数据增强不同,图上的数据增强远不直观,且更难提供高质量的对比样本,而后者正是对比学习模型性能的关键。这为现有图对比学习框架留下了很大的改进空间。本工作中,通过引入对抗图视图与信息正则化器,我们提出了一种简单而有效的方法——对抗图对比学习(Adversarial Graph Contrastive Learning, ARIEL),以在合理约束内提取信息丰富的对比样本。它在多个真实世界数据集的节点分类任务中持续优于当前图对比学习方法,并进一步提升了图对比学习的鲁棒性。代码见 https://github.com/Shengyu-Feng/ARIEL。
引用
@article{arxiv.2202.06491,
title = {Adversarial Graph Contrastive Learning with Information Regularization},
author = {Shengyu Feng and Baoyu Jing and Yada Zhu and Hanghang Tong},
journal= {arXiv preprint arXiv:2202.06491},
year = {2023}
}
备注
WWW 2022