¿Qué es el aprendizaje contrastivo en gráficos (DGI, GraphCL)?
sobes.tech AI
Respuesta de la IA
El aprendizaje contrastivo en grafos es un método de aprendizaje de representaciones de nodos o grafos que se basa en comparar pares positivos y negativos de ejemplos para identificar características significativas.
En particular:
-
DGI (Deep Graph Infomax) entrena el modelo maximizando la información mutua entre las representaciones locales (de nodos) y globales (del grafo). Esto se logra contrastando grafos reales con negativos (por ejemplo, versiones ruidosas o aleatorias).
-
GraphCL utiliza diversas aumentaciones de grafos (como eliminar aristas, enmascarar nodos) para crear pares positivos, mientras que otros grafos o aumentaciones sirven como negativos. El modelo aprende a distinguir pares positivos de negativos, lo que mejora la calidad de las incrustaciones.
De esta manera, el aprendizaje contrastivo en grafos ayuda a entrenar representaciones robustas e informativas sin necesidad de grandes cantidades de datos etiquetados.