Ce este învățarea contrastivă pe grafuri (DGI, GraphCL)?

Învățarea contrastivă pe grafice este o metodă de învățare a reprezentărilor nodurilor sau grafurilor, bazată pe compararea perechilor pozitive și negative de exemple pentru a identifica caracteristici semnificative.

În special:

• DGI (Deep Graph Infomax) antrenează modelul maximizând informația mutuală între reprezentările locale (noduri) și cele globale (grafice). Acest lucru se realizează prin contrastarea grafurilor reale cu cele negative (de exemplu, versiuni zgomotoase sau aleatorii).

• GraphCL utilizează diverse augmentări ale grafurilor (cum ar fi eliminarea muchiilor, mascarea nodurilor) pentru a crea perechi pozitive, în timp ce alte grafice sau augmentări sunt considerate negative. Modelul învață să distingă perechile pozitive de cele negative, ceea ce îmbunătățește calitatea încorporărilor.

Astfel, învățarea contrastivă pe grafice ajută la antrenarea unor reprezentări robuste și informative fără a fi nevoie de un volum mare de date etichetate.