返回
GRAIL: Graph contrastive learning with balanced negative sampling
DOI:10.1016/j.ipm.2025.104211.png)
摘要
En 中文
• 我们提出了一种名为GRAIL的新型图对比学习方法。
• GRAIL有效提高了少数类别的区分能力。
• GRAIL选择具有高正确率的多重正样本。
• 我们引入了一种平衡对比损失来优化节点表示。
• 大量实验证明了GRAIL的有效性。
期刊
I
IF:
6.9
论文数:
5.2K
被引数:
1.4W
机构
暂无机构信息
引用论文
DyHGTCR-Cas: Learning unified spatio-temporal features based on dynamic heterogeneous graph neural network for information cascade predictionDyHGTCR-Cas:基于动态异构图神经网络学习统一时空特征,用于信息级联预测
AdaNS: Adaptive negative sampling for unsupervised graph representation learning
PATTERN RECOGNITION
IF7.6

