混合增强自动图对比学习
机器学习
2023-03-28 v1
摘要
图增强对图对比学习至关重要。大多数现有工作使用预定义的随机增强，通常无法适应不同的输入图，且未考虑不同节点与边对图语义的影响。为解决此问题，我们提出一种称为混合增强自动图对比学习(HAGCL)的框架。HAGCL由特征级可学习视图生成器和边级可学习视图生成器组成。视图生成器端到端可微，以学习以输入图为条件的视图概率分布。它分别确保学习到在特征与拓扑上最具语义意义的结构。此外，我们提出一种改进联合训练策略，相较于先前工作可在不借助下游任务中任何弱标签信息及大量额外工作评估的情况下取得更好结果。
引用
@article{arxiv.2303.15182,
title = {Hybrid Augmented Automated Graph Contrastive Learning},
author = {Yifu Chen and Qianqian Ren and Liu Yong},
journal= {arXiv preprint arXiv:2303.15182},
year = {2023}
}