Czym jest samonadzorowane wstępne uczenie dla GNN?

Samouczenie wstępne typu self-supervised dla sieci neuronowych grafów (GNN) to metoda uczenia, w której model uczy się wyodrębniać przydatne reprezentacje z danych grafowych bez użycia oznaczonych etykiet. Zamiast tego stosuje się zadania oparte na samej strukturze grafu lub właściwościach węzłów/krawędzi, na przykład przewidywanie ukrytych części grafu, naukę kontrastową lub odzyskiwanie informacji.

Takie podejście pozwala GNN nauczyć się rozumieć strukturę i relacje w grafie, co poprawia późniejsze zadania z nauczycielem (np. klasyfikację węzłów lub grafów), zwłaszcza gdy dostępnych jest niewiele oznaczonych danych.