图自监督表征

文章介绍了图自监督学习的最新综述,特别提到了生成式和对比式方法。对比学习在内容风控和推荐系统中有应用,而GraphMAE作为生成式方法在KDD22上展示了优秀效果。建议初学者从生成式开始,逐渐过渡到对比式方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、综述

前面两个综述是对论文Graph Self-Supervised Learning A Survey的翻译,该论文综述比较全面,重点讲解了生成式和对比式
全文链接:https://arxiv.org/pdf/2103.00111.pdf

2、对比学习基础

3、哪种图自监督效果好?

根据实际情况来决定实践的路径,一般来说实现复杂度如下:
生成式 -> 对比式
一般而言,对比式图自监督效果会比生成式好,但是在比赛和日常实践中,生成式效果也不错,且结构简单,所以建议冷启动时,从生成式入手,然后逐步增加复杂度到对比式;

可以参考的一篇生成式图自监督论文解读和代码如下:
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值