论文浅尝 | 融合多层次领域知识的分子图对比学习

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；