对比学习
文章平均质量分 89
mumukehao
想读博的研究僧
展开
-
Beyond Homophily Reconstructing Structure for Graph-agnostic Clustering
发表于:ICML23推荐指数: #paper/⭐(个人不太喜欢他的行文方法,有部分内容有点让人看不懂)总结:很常见的套路:构造同配视图+异配视图,进行同配传播+异配传播,然后利用类对比损失,类重构损失进行两次联合训练,最后利用KL散度联合优化。原创 2024-09-11 11:46:59 · 797 阅读 · 0 评论 -
MUSE Multi-View Contrastive Learningfor Heterophilic Graphs
一句话总结:融合了GCN(A,X)和GCN(A,I),创新性不足,因此只能B会。推荐指数: #paper/⭐。原创 2024-08-04 22:17:55 · 782 阅读 · 0 评论 -
Towards Self-supervised Learning on Graphs with Heterophily
SijFcosxixjxi⋅xj∣xi∣∣xj∣SijFcosxixj∣xi∣∣xj∣xi⋅xj其中,x是原始特征。原创 2024-08-03 22:10:23 · 784 阅读 · 0 评论 -
SimGCL graph contrastive learning by finding homophily in heterophily
发表于: Knowledge and Information Systems, ccfb推荐指数: #paper/ ⭐总结: 重新定义了相似度矩阵, 重新定义了特征, 重新设计了节点删除概率等, 但是, 换汤不换药, 引入了大量的超参 (快 10 个了吧). 创新点不够, 所以 ccf B 期刊理所应该. (甚至我觉得更低)原创 2024-08-02 21:54:10 · 656 阅读 · 0 评论 -
Graph Contrastive Learning via Interventional View Generation
发表于:WWW24推荐指数: #paper/⭐⭐。原创 2024-07-31 12:23:55 · 648 阅读 · 0 评论 -
S3GCL Spectral, Swift, Spatial Graph Contrastive Learning
总的来说,一个很好的idea.但是,我个人感觉,整个论文还有提升的空间(其是在UGCL的基础上改造的对比学习模块)原创 2024-07-31 12:22:45 · 306 阅读 · 0 评论 -
How Universal Polynomial Bases Enhance Spectral Graph Neural Networks Heterophily,
思路清晰,实验结果特别好.一环扣一环.原创 2024-07-28 20:34:52 · 924 阅读 · 0 评论 -
GraphContrastive Learning underHeterophily viaGraph Filters
行文不流畅(有的地方跳步导致看不太懂),有的地方有点啰嗦,同配图/异配图设置的有点粗糙,并且同配图/异配图的思想有点老.因此,只能是B会了。原创 2024-07-28 19:24:21 · 690 阅读 · 0 评论 -
POLYGCL GRAPH CONTRASTIVE LEARNING VIA LEARNABLE SPECTRAL POLYNOMIAL FILTERS
发表于:ICLR24推荐指数: #paper/⭐⭐⭐。原创 2024-07-15 22:09:22 · 902 阅读 · 0 评论 -
StructComp Substituting propagation with Structural Compression in Training Graph Contrastive Learni
创新性一般。原创 2024-07-08 21:27:17 · 835 阅读 · 0 评论 -
Efficient Contrastive Learning for Fast and Accurate Inference on Graphs
创新点一般般,但是证明非常巧妙,值得一看(本博客并未附上作者详细证明)原创 2024-07-07 21:34:23 · 713 阅读 · 0 评论 -
Beyond Smoothing Unsupervised Graph RepresentationLearning withEdge Heterophily Discriminating
设计了一种计算同配边/异配边的模块个人感觉:计算同配边/异配边这个思路可以借鉴,但是感觉模型设计有点冗余?(可能是水平低)原创 2024-07-03 13:22:14 · 753 阅读 · 0 评论 -
Rethinking and SimplifyingBootstrapped Graph Latent
在这个将对比学习越做越复杂,参数越多,攀比正确率的时代,作者做了减法,去掉了负样本,以及映射头,并对图增强数据等进行了复用,极大减少了图对比的开销,把图对比在工业界的应用往前推了一步。原创 2024-06-28 15:20:36 · 911 阅读 · 0 评论 -
Single-Pass Contrastive Learning Can Work for Both Homophilic and Heterophilic Graph
论文简称:SPGCL论文发表于:未发表(arxiv)推荐指数: #paper/⭐⭐⭐推荐理由:虽然没有发表在顶会,但是多篇顶会都引用他的方法和结果,并且作者本人发过多篇顶会.只能说可惜吧(可能是因为太简单了)原创 2024-06-26 22:20:05 · 980 阅读 · 0 评论 -
Contrastive Learning Meets Homophily Two Birds with One Stone
推荐指数: #paper/⭐文章发表于:PMLR 23代码:无(???可复现性/结果存疑,论文的实验步骤也简单)原创 2024-06-26 16:05:45 · 706 阅读 · 0 评论 -
Deep Contrastive Graph Learning with Clustering-Oriented Guidance.md
其创新点可能在高阶信息和低阶信息对比,第一阶段存在的负样本(用负样本中心作为对比).总体上乏善可陈(都是别人做过的东西),以及没有在引文数据集(Cora,CiteSeer)或者异配图数据集(Squirrel)上做实验(因为高阶信息理论上可以优化异配图).实验扩展到如上数据集存疑.原创 2024-06-24 09:56:03 · 713 阅读 · 0 评论 -
Incomplete Contrastive Multi-View Clusteringwith High-ConfidenceGuiding
不推荐阅读,阅读指数一颗星。原创 2024-06-24 09:18:59 · 293 阅读 · 0 评论