Wat is zelfgestuurd pretraining voor GNN?

Zelf-gestuurd pretraining voor grafische neurale netwerken (GNN) is een leermethode waarbij het model leert nuttige representaties te extraheren uit grafische gegevens zonder gebruik te maken van gelabelde annotaties. In plaats daarvan worden taken gebruikt die gebaseerd zijn op de structuur van de grafiek zelf of op eigenschappen van knooppunten/verbindingen, zoals het voorspellen van verborgen delen van de grafiek, contrastief leren of informatieherstel.

Deze aanpak stelt GNN's in staat om de structuur en relaties in de grafiek te begrijpen, wat de daaropvolgende supervisie taken (bijvoorbeeld knooppunt- of grafiekclassificatie) verbetert, vooral wanneer er weinig gelabelde gegevens beschikbaar zijn.