Mi az a kontrasztív tanulás gráfokon (DGI, GraphCL)?

Kontrasztív tanulás gráfokon olyan módszer, amely a csomópontok vagy gráfok reprezentációinak tanítására szolgál, és pozitív és negatív példapárok összehasonlításán alapul a jelentős jellemzők felismerése érdekében.

Különösen:

• DGI (Deep Graph Infomax) a modellt úgy tanítja, hogy maximalizálja a helyi (csomóponti) és globális (gráf) reprezentációk közötti kölcsönös információt. Ez úgy érhető el, hogy a valódi gráfokat negatív példákkal (pl. zajos vagy véletlenszerű változatokkal) összehasonlítjuk.

• GraphCL különböző gráfaugmentációkat (például élek eltávolítása, csomópontok maszkolása) használ, hogy pozitív párokat hozzon létre, míg más gráfokat vagy augmentációkat negatívként kezel. A modell megtanulja megkülönböztetni a pozitív és negatív párokat, javítva ezzel a beágyazások minőségét.

Így a gráfokon végzett kontrasztív tanulás segít robusztus és informatív reprezentációk tanításában anélkül, hogy nagy mennyiségű címkézett adatra lenne szükség.