Какво е контрастивно обучение на графи (DGI, GraphCL)?

Контрастивното обучение на графи е метод за обучение на представяния на възли или графи, който се основава на сравняване на положителни и отрицателни двойки примери за идентифициране на значими характеристики.

По-конкретно:

• DGI (Deep Graph Infomax) обучава модела, като максимизира взаимната информация между локалните (възлови) и глобалните (графови) представяния. Това се постига чрез контрастиране на реални графи с негативи (например, шумни или случайни версии).

• GraphCL използва различни аугментации на графи (например, премахване на ръбове, маскиране на възли), за да създаде положителни двойки, докато други графи или аугментации служат като негативи. Моделът се учи да различава положителните двойки от негативните, което подобрява качеството на вгражданията.

По този начин, контрастивното обучение на графи помага за обучението на устойчиви и информативни представяния без необходимост от голямо количество маркирани данни.