具备偏差感知的图掩码自动编码器
机器学习
2025-08-15 v2 人工智能
摘要
掩码图自动编码器作为一种强大的图自监督训练范式，最近在图表示学习中显示出卓越的性能。现有工作通常依赖节点上下文信息来恢复被掩码的信息，但在仿亲层次图上表现不佳，因为仿亲层次图中相连节点可能不相似。由于仅关注捕获邻域信息而忽略不同节点之间的偏差信息，这些方法导致节点表示难以区分。本文提出了具备偏差感知的图掩码自动编码器（DGMAE）。通过在掩码过程中重构相邻节点之间的偏差信息，DGMAE获得了更具辨识度的节点表示。我们在17个广泛使用的基准数据集上进行了广泛实验。结果表明，DGMAE能够有效地在低维空间中保留节点的偏差。此外，DGMAE在三个图分析任务（节点分类、节点聚类和图分类）上显著优于最先进的图自监督学习方法，显示出卓越的优势。DGMAE的代码可在https://github.com/zhengziyu77/DGMAE上获取。
引用
@article{arxiv.2506.19343,
title = {Discrepancy-Aware Graph Mask Auto-Encoder},
author = {Ziyu Zheng and Yaming Yang and Ziyu Guan and Wei Zhao and Weigang Lu},
journal= {arXiv preprint arXiv:2506.19343},
year = {2025}
}
备注
Accepted by KDD2025