图对比学习与未训练基线：数据集规模的作用
机器学习
2025-09-04 v1 软凝聚态物质
摘要
图对比学习（GCL）已成为图上自监督学习的主导范式，在标准化数据集上表现出强劲性能，并在基因组学到药物发现等领域有日益广泛的应用。我们提出了一个基本问题：GCL是否真的优于未训练基线？我们发现GCL的优势高度依赖于数据集规模和任务难度。在标准数据集上，未训练的图神经网络（GNN）、简单的多层感知器甚至手工设计的统计量都可以与GCL相媲美或超越。在大型分子数据集ogbg-molhiv上，我们观察到一个交叉现象：GCL在小规模时落后，但在几千个图之后反超，尽管这种提升最终趋于平稳。在合成数据集上，GCL准确率大致随图数量的对数缩放，其与未训练GNN的性能差距随任务复杂度而变化。向前看，至关重要的是要识别数据集规模在基准测试和应用中的作用，以及设计能够避免性能平台期的GCL算法。
引用
@article{arxiv.2509.01541,
title = {Graph Contrastive Learning versus Untrained Baselines: The Role of Dataset Size},
author = {Smayan Khanna and Doruk Efe Gökmen and Risi Kondor and Vincenzo Vitelli},
journal= {arXiv preprint arXiv:2509.01541},
year = {2025}
}
备注
12 pages, 5 figures