Qu'est-ce que le pré-entraînement auto-supervisé pour GNN?

L’entraînement par pré-apprentissage auto-supervisé pour les réseaux neuronaux graphiques (GNN) est une méthode d’apprentissage dans laquelle le modèle apprend à extraire des représentations utiles à partir de données graphiques sans utiliser d’étiquettes annotées. À la place, des tâches basées sur la structure même du graphe ou sur les propriétés des nœuds/arêtes sont utilisées, comme la prédiction de parties cachées du graphe, l’apprentissage contrastif ou la récupération d’informations.

Cette approche permet aux GNN d’apprendre à comprendre la structure et les relations dans le graphe, ce qui améliore les tâches supervisées ultérieures (par exemple, la classification de nœuds ou de graphes), surtout lorsque peu de données annotées sont disponibles.