必赢76net线路-官方网站-App Store

2021级必赢766net手机版卜维新论文被《Pattern Recognition》接收

发布时间:2023-12-02 点击:

人工智能学院曹晓锋副教授指导的2021级必赢766net手机版卜维新同学主要从事图神经网络和自监督学习的研究工作,其最新研究被《Pattern Recognition》接收。《Pattern Recognition》是Elsevier旗下模式识别与机器学习领域的权威期刊,该期刊当前影响因子为IF (2023) = 8.518,属于中科院分区一区期刊。

论文题目:Improving Augmentation Consistency for Graph Contrastive Learning

论文作者:卜维新,曹晓锋 (共同一作)

通讯作者:曹晓锋

收录期刊:Pattern Recognition

期刊类别:中科院一区,CCF-B

论文概述:

图对比学习通过生成不同的对比视图来增强无监督图表征,其中需要将增强节点的属性与其锚节点对齐。然而,本工作发现,在现有的一些图对比学习方法中,由于增强方案的不一致,很难从锚视图继承图中的语义和结构属性,这可能会损害增强视图中的节点一致性。本工作提出ConGCL来提高节点一致性和增强节点分类性能。具体来说,本工作首先考虑上下文蕴涵,它集成了中心节点的语义和结构属性,以更好地挖掘节点底层的增强一致性关系。得益于此,本工作基于自适应alpha散度设计了一种新的增强一致性改进损失,以在随机增强方案下保持正节点对间的增强一致性。为了验证ConGCL在提高增强一致性和节点分类性能的有效性,本工作设计了增强不一致性系数指标,并在基准数据集上进行了实证研究和大量实验。


图:ConGCL的整体框架。在嵌入空间中,针对任意uivi节点,本工作分别获取它们各自的上下文子图表征进行上下文蕴涵,充分考虑节点视图的语义与结构关系更好地挖掘节点一致性。受益于此,本工作借助自适应alpha散度设计增强一致性损失约束正样本对节点uivi保持增强一致性协议 (相似性分布d1d2保持一致)。最后引入整体损失优化模型。


Baidu
sogou