RoSA：一种用于节点-节点图对比学习的鲁棒自对齐框架
机器学习
2022-05-03 v1 人工智能
摘要
图对比学习近期取得了显著进展。然而，现有工作很少探索非对齐的节点-节点对比。本文提出一种名为 RoSA 的新型图对比学习方法，专注于利用非对齐增强视图进行节点级表征学习。首先，我们利用推土机距离（earth mover's distance）将一个视图的分布转换为另一视图所需的最小代价建模为对比目标，其不需要视图间对齐。然后我们引入对抗训练作为辅助方法以增加采样多样性并增强模型的鲁棒性。实验结果表明，RoSA 在同质图、非同质图和动态图上均优于一系列图对比学习框架，验证了我们的工作的有效性。据我们所知，RoSA 是首个关注非对齐节点-节点图对比学习问题的工作。我们的代码可在：\href{https://github.com/ZhuYun97/RoSA}{\texttt{https://github.com/ZhuYun97/RoSA}} 获取。
引用
@article{arxiv.2204.13846,
title = {RoSA: A Robust Self-Aligned Framework for Node-Node Graph Contrastive Learning},
author = {Yun Zhu and Jianhao Guo and Fei Wu and Siliang Tang},
journal= {arXiv preprint arXiv:2204.13846},
year = {2022}
}
备注
Accepted to IJCAI 2022