笔记整理 | 方尹,浙江大学在读博士,研究方向:图表示学习
论文地址:https://arxiv.org/pdf/2106.04509.pdf
动机
目前基于图的对比学习有以下几个问题:
不同领域的图,(比如social network和分子图)它们的图结构信息和图的semantics是不同的,因此很难设计一个通用的、适用于所有场景的数据增强方法;大多数方法只关心局部结构而忽略了全局结构,比如结构相似的两个图在embedding space也会更接近;对比的scheme不是单一的,对比可以发生在节点-图,节点-节点,图-图之间。
对比学习本身也有一些待解决的问题,之前很多对比学习方法是通过最大化一对graph augmentation之间的互信息来实现的:在高维情况下正确估计互信息很困难;最大化互信息和对比学习之间的联系尚不明确。
贡献
提出了一种基于局部领域知识的分子图augmentation方法;