TPAMI 2024 | 通过节点到邻域对齐的自监督节点表示学习

文章预览

点击上方 “ 小白学视觉 ”，选择加" 星标 "或“ 置顶 ” 重磅干货，第一时间送达 Self-Supervised Node Representation Learning via Node-to-Neighbourhood Alignment 题目：通过节点到邻域对齐的自监督节点表示学习 作者： W. Dong; D. Yan; P. Wang 源码：https://github.com/dongwei156/n2n 摘要 自监督节点表示学习的目标是从无标签图中学习节点表示，使其能够与有监督的同类相媲美。学习信息丰富节点表示的关键在于如何有效地从图结构中获取上下文信息。在本项工作中，我们提出了一种简单而有效的自监督节点表示学习方法，通过将节点与其邻域的隐藏表示对齐来实现。我们的第一个想法是通过直接最大化它们表示之间的互信息来实现这种节点到邻域的对齐，我们从理论上证明了这一点，在图平滑方面发挥了作用。我们的框架通过替代的对比损失进行优化，并且提出了一种拓扑 ………………………………