- 2024-04-05论文解读()《An Empirical Study of Graph Contrastive Learning》
Note:[wechat:Y466551|可加勿骚扰,付费咨询] 2024年4月3日15:39:16论文信息论文标题:AnEmpiricalStudyofGraphContrastiveLearning论文作者:论文来源:2021 NeurIPS论文地址:download 论文代码:download视屏讲解:click1-摘要图对比学习(GCL)为没有人工注释的图表示建立
- 2024-03-06MA-GCL论文阅读笔记
Abstract 在图中生成对比视图比在图像中更具挑战性,因为我们对如何在不改变图标签的情况下显著增强图缺乏先验知识。我们认为,在GCL中,典型的数据增强技术(例如,边缘下降)不能产生足够不同的对比视图来过滤掉噪声。此外,以往的GCL方法采用了两个具有完全相同的神经结构和绑定参数的视
- 2024-03-06SimGRACE论文阅读笔记
Abstract 图对比学习(GCL)已经成为图表示学习的一种主导技术,它最大限度地提高了共享相同语义的成对图增强之间的互信息。不幸的是,由于图数据的多样性,在扩充过程中很难很好地保存语义。目前,GCL的数据扩充大致可分为三种不令人满意的方式。第一,可以通过试错法手动选择每个数据集的