面向可靠图对比学习的 GNN-Transformer 协作架构
机器学习
2025-03-28 v4
摘要
图对比学习（GCL）已成为图表示学习中的热门话题。与依赖大量标签的传统监督学习不同，GCL 通过利用增强策略生成多个视图和正负样本对，这两者都对性能产生重要影响。然而，常用的随机增强可能扰乱图的底层语义。此外，传统的图神经网络（GNN）作为 GCL 中广泛使用的编码器，不可避免地面临过平滑和过压抑问题。为解决这些问题，我们提出了面向可靠图对比学习的 GNN-Transformer 协作架构（GTCA），该架构继承了 GNN 和 Transformer 的优势，融合图拓扑结构以获取全面的图表示。理论分析验证了所提方法的可靠性。广泛的基准数据集上的实验表明，所提方法在实验性能方面达到领先水平。
引用
@article{arxiv.2412.16218,
title = {GNN-Transformer Cooperative Architecture for Trustworthy Graph Contrastive Learning},
author = {Jianqing Liang and Xinkai Wei and Min Chen and Zhiqiang Wang and Jiye Liang},
journal= {arXiv preprint arXiv:2412.16218},
year = {2025}
}
备注
In Proceedings of AAAI 2025