Simplified Graph Contrastive Learning Model Without Augmentation

doi:10.1109/TKDE.2025.3590482

Simplified Graph Contrastive Learning Model Without Augmentation

0

PRE

AI

DOI：10.1109/TKDE.2025.3590482

原文链接

原文求助

摘要

En 中文

蓬勃发展的图对比学习（GCL）在图域中脱颖而出，具有低标注成本和高模型性能提升的特点，其通常由三种标准配置组成：1）图数据增强（GraphDA），2）多分支图神经网络（GNN）编码器和投影头，3）对比损失。然而，多样的GraphDA可能会不同程度地破坏图语义，同时极大地增加了超参数搜索的时间复杂度。此外，多分支对比框架在编码和投影上也要求大量的训练消耗。在本文中，我们提出了一种简化的GCL模型，通过一般图对比框架的最小组件（即一个GNN编码器和一个投影头）同时解决这些问题。所提出的模型将GNN编码器和投影头生成的节点表示视为正样本对，而将所有其他表示视为负样本，这不仅使模型摆脱了对GraphDA的依赖，还将传统的多分支对比学习框架简化为更高效的单一流式框架。通过对目标函数的深入理论分析，阐明了所提出模型有效工作的原因。在多个公开数据集上的实验结果表明，所提出的模型在性能上仍能与当前先进的自监督GNN相媲美。

Keyword:

Graph neural network

contrastive learning

classification and clustering

Simplified Graph Contrastive Learning Model Without Augmentation

摘要

期刊

机构

引用论文