深度图对比表征学习

Source: Dev.to

Overview

想象一张朋友、街道或网页的地图，每个点都与其他点相连——这就是网络。
科学家提出了一个简单的想法：创建该地图的两个略有改动的副本，隐藏或打乱其中的一些部分，并训练计算机识别哪些保持不变。

Method

模型比较同一网络的两个视图，并学习为每个节点生成紧凑的表示。相似的节点最终会拥有更接近的嵌入。该自监督方法不需要标注数据，使其成为无监督的。

Advantages

• 无需标签 – 可在没有任何注释的数据集上运行。
• 更佳性能 – 通常优于监督方法，有时甚至超越由人类训练的模型。
• 可扩展 – 足够快以处理大规模图。
• 发现隐藏模式 – 能揭示缺失的链接、有影响力的枢纽以及其他技术可能忽视的社区结构。

Applications

• 链接预测
• 枢纽检测
• 社交网络、生物网络和网页图中的社区检测

Performance

在众多基准测试中，这一对比学习框架实现了更高的准确率，超过了传统的监督图表示方法。

Further Reading

Deep Graph Contrastive Representation Learning

本分析与评述主要由 AI 生成并组织。内容仅供信息参考和快速浏览之用。