.png){kind=icon}
返回
Structure-augmentation and Attribute-aware Graph Contrastive Learning with Weak Information
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2025.114015.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们提出SA-GCL模型以解决信息不足和非同质性问题。
• SA-GCL融合四种视图以应对非同质性并增强节点表示。
• SA-GCL在九个数据集上的节点分类和链接预测任务中优于基线方法。
Keyword:
SA-GCL
non-homophily
node representation
multi-view fusion
graph neural networks
