基于谱增强的异构图对比学习
机器学习
2024-07-02 v1
摘要
异构图能够很好地描述现实世界中复杂的实体关系。例如，线上购物网络包含多种物理类型的消费者和产品，以及多种关系类型，如购买和收藏。越来越多的学者注意到这一研究，因为异构图表示学习在现实场景中显示出强大的应用潜力。然而，现有的异构图模型使用数据增强技术来增强图结构信息的利用，这只捕获来自空间拓扑结构的信息，忽略了图结构在谱维度上显示的信息。为了解决异构图表示学习方法未能建模谱信息的问题，本文引入一种谱增强的图对比学习模型 (SHCL)，首次在异构图神经网络中提出谱增强算法。该模型通过学习自适应的拓扑增强方案，扰动异构图在谱维度上的结构信息，从而最终提高模型的学习效果。在多个真实数据集上的实验结果表明，所提出的模型在各项指标上都显著优于现有方法。
引用
@article{arxiv.2407.00708,
title = {Heterogeneous Graph Contrastive Learning with Spectral Augmentation},
author = {Jing Zhang and Xiaoqian Jiang and Yingjie Xie and Cangqi Zhou},
journal= {arXiv preprint arXiv:2407.00708},
year = {2024}
}