基于线图的分子图对比学习
机器学习
2025-01-16 v1
摘要
由于分子属性预测和药物设计中标签稀缺问题，图对比学习（GCL）逐渐受到关注。现有的领先对比学习方法表现出两种视图生成方式，即随机或可学习的数据破坏以及领域知识的融合。虽然这些方法有效，但也导致分子语义被改变或泛化能力受限。为此，我们将“线图”（Line graph）与“分子图共对比学习”相关联，提出了一种新方法，称为 LEMON。具体而言，通过将给定图与其对应的线图进行对比，图编码器可以自由地对分子语义进行编码，而不会遗漏。此外，我们提出了一种新的补丁方案，融合边属性并引入两个局部对比损失，以增强信息传递并处理难负样本。与当前用于视图生成的最先进（SOTA）方法相比，我们的方法在分子属性预测任务上实现了卓越的性能，这表明了我们所提出框架的有效性。
引用
@article{arxiv.2501.08589,
title = {Molecular Graph Contrastive Learning with Line Graph},
author = {Xueyuan Chen and Shangzhe Li and Ruomei Liu and Bowen Shi and Jiaheng Liu and Junran Wu and Ke Xu},
journal= {arXiv preprint arXiv:2501.08589},
year = {2025}
}