成都航空公司官方网站,做足彩网站推广,足球比赛直播 视频直播,公司简介在哪里查询人为设计的图增强#xff0c;可能会破坏原始图的拓扑结构#xff0c;同时相邻节点被视为负节点#xff0c;因此被推离锚点很远。然而#xff0c;这与网络的同质性假设是矛盾的#xff0c;即连接的节点通常属于同一类#xff0c;并且应该彼此接近。本文提出了一种端到端的… 人为设计的图增强可能会破坏原始图的拓扑结构同时相邻节点被视为负节点因此被推离锚点很远。然而这与网络的同质性假设是矛盾的即连接的节点通常属于同一类并且应该彼此接近。本文提出了一种端到端的自动GCL方法称为NCLA将邻居对比学习应用于可学习图增强。
方案 通过多头图注意力机制自动学习具有自适应拓扑结构的多个图增强视图可以在不需要先验领域知识的情况下兼容各种图数据集。 此外设计了一种允许每个锚点有多个正信号的邻居对比损失。 大量实验表明当标签非常有限时NCLA在自监督GCL上产生了最先进的节点分类性能甚至超过了监督GCL。 论文介绍AAAI|2023基于可学习图增广的邻居对比学习
