【图神经网络：原理与实战】第六章 自监督学习与特征解耦

目录

第六章 自监督学习与特征解耦

6.1 自监督任务的结构化分类

6.1.1 对比类任务：正负样本与视图构造

6.1.2 重构类任务：邻接、属性与子图重建

6.1.3 预测类任务：未来链接与属性预测

6.1.4 混合型任务与多目标训练框架

6.2 特征解耦的理论基础

6.2.1 表示解耦的目标函数刻画

6.2.2 子空间正交化与因子分离技术

线性因子模型与 PCA（主成分分析）

ICA（独立成分分析）与可识别性（线性情形）

子空间正交化与正交化惩罚的推导

6.2.3 因果视角下的解耦动力学

6.2.4 解耦表示的可识别性条件

线性情形（复述 ICA 结论）

非线性情形：需要辅助变量或时序/非平稳性

本章小结与实践建议

---