graph self-supervised learning | BriefGPT

关键词graph self-supervised learning

搜索结果 - 8

GraphAlign：通过特征对齐在多个图上预训练一个图神经网络
通过对具有丰富节点特征的各类图进行预训练，并将预训练好的图神经网络应用于未见过的图，GraphAlign 方法有效地解决了图自监督学习中不同领域图之间特征差异的挑战，通过特征编码、规范化和特征专家模块的混合对齐策略实现了特征分布的统一，从而
PDF25 days ago
探索图的自监督任务的相关性
我们的研究旨在通过任务相关性提供对图自监督学习的新理解，通过评估一个具体任务所训练的表示在其他任务上的性能，定义相关性值来量化任务相关性，并揭示了各种自监督任务之间的任务相关性和其表达能力，进而提出了图任务相关建模（GraphTCM）来增强
PDF2 months ago
图基础模型自我监督预训练调研：基于知识的视角
这篇论文综合了基于图知识的微观和宏观视角，对图基础模型的自我监督预训练任务进行了综述和分析，并包括了 9 个知识类别和 25 个预训练任务，以及各种下游任务适应策略。
PDF3 months ago
图形自我监督学习的生成和对比范式相辅相成
通过融合图对比掩码自编码器（Graph Contrastive Masked Autoencoder，GCMAE）中的局部边缘特征与全局图结构关系，GCMAE 在节点分类、节点聚类、链接预测和图分类等四个流行的图任务中表现出良好的准确性，与
PDF8 months ago
WWWGraphMAE2: 一个集解码增强的掩码自监督图学习器
本文提出了一种基于掩蔽自监督学习框架 GraphMAE2，利用多视角随机重新覆盖解码策略和潜在表示预测策略，并通过广泛的实验表明其在各种公共数据集上始终产生顶级结果。
PDFa year ago
基于邻域排序的图像软对比学习
本文提出了一种新的图形无监督学习方法，名为 Graph Soft-Contrastive Learning (GSCL)，它能够通过邻域排序进行自我监督学习，而无需依赖于二元对比设置，并且还提出了 GSCL 所需的成对和列表式门控排名 in
PDF2 years ago
AAAIWiener 图卷积网络提高了图自监督学习
本文提出了使用改进的信息重构器 ——WGDN，它采用基于图维纳滤波器的增强型解码器，并分析理论证明了图维纳滤波器的出色重构能力。实验结果表明该模型比基于对比学习的模型更有效，同时也证明了具备强大解码能力的预测模型可以获得可比甚至更好的表示能
PDF2 years ago
ICLR自动化自监督图学习
Graph self-supervised learning can be improved by leveraging multiple pretext tasks through the AutoSSL framework, which
PDF3 years ago