qq_40671063的博客

人为设计的图增强，可能会破坏原始图的拓扑结构，同时相邻节点被视为负节点，因此被推离锚点很远。然而，这与网络的同质性假设是矛盾的，即连接的节点通常属于同一类，并且应该彼此接近。本文提出了一种端到端的自动GCL方法，称为NCLA，将。大量实验表明，当标签非常有限时，NCLA在自监督GCL上产生了最先进的节点分类性能，甚至超过了监督GCL。，可以在不需要先验领域知识的情况下兼容各种图数据集。设计了一种允许每个锚点有多个正信号的邻居对比损失。学习具有自适应拓扑结构的多个图增强视图。邻居对比学习应用于可学习图增强。

论文链接：视频链接：论文解读链接：