self-supervised learning is currently gaining a lot of attention, as it
allows neural networks to learn robust representations from large quantities of
unlabeled data. Additionally, multi-task learning can furthe
本研究提出了 SelfGNN,它是一种基于对比自监督技术的图神经网络,采用批量标准化和四种图形特征增强技术来实现无监督学习。除了使用常用的图形拓扑增强技术(TA),实验证明我们提出的特征增强(FA)能够与 TA 同样好地发挥作用,而且没有计算开销。在七种公开数据集上的实验结果表明,SelfGNN 表现出较高水平的性能,与 SOTA 监督 GNN 性能相当,并且始终优于 SOTA 半监督和无监督 GNN。