基于多节点中心子图的对比表示学习
人工智能
2023-09-01 v1
摘要
作为图结构数据的基本单元，节点已被认为是图表示学习的主要研究对象。直观上，一个单一节点从整个图中具有多个节点中心子图（例如，社交网络中的一个人基于其不同关系拥有多个社交圈）。我们在图对比学习的框架下研究这一直觉，并提出一种多节点中心子图对比表示学习方法，以自监督方式在图上学习节点表示。具体而言，我们精心设计了中心节点的一系列节点中心区域子图。然后，通过对比损失最大化同一节点不同子图之间的互信息。在各种真实世界数据集与不同下游任务上的实验表明，我们的模型取得了最先进的(state-of-the-art, SOTA)结果。
引用
@article{arxiv.2308.16441,
title = {Contrastive Representation Learning Based on Multiple Node-centered Subgraphs},
author = {Dong Li and Wenjun Wang and Minglai Shao and Chen Zhao},
journal= {arXiv preprint arXiv:2308.16441},
year = {2023}
}
备注
CIKM 2023