【论文阅读】AD-GCL：Adversarial Graph Augmentation to Improve Graph Contrastive Learning

摘要

提出了对抗性图对比学习——AD-GCL，它通过优化GCL中使用的对抗性图增强策略，使GNN在训练过程中避免捕获冗余(图特征)信息。

1 引言

InfoMax原则可能会有风险，因为它可能会推动编码器捕获与下游任务无关的冗余信息。与InfoMax不同，information bottleneck(IB)要求编码器捕获下游任务的最小的足够信息。具体来说，IB最小化来自原始数据的信息，同时最大化与下游任务相关的信息。随着冗余信息被移除，IB学习到的编码器往往更鲁棒和可转移。

当有关下游任务的知识不可用时，如何训练可能删除冗余信息的GNN？本文提出了一个方法，将GCL与对抗性训练相匹配，称为AD-GCL。AD-GCL由两个组成部分组成：

1. 一个GNN编码器。它采用InfoMax来最大化原始图与其增广图的表示之间的互信息。
2. 一个基于GNN的增强器。其旨在优化增强策略，以尽可能减少原始图中的冗余信息。

AD-GCL本质上允许编码器捕获最小的足够信息来区分数据集中的图。结果表明，在增强器的搜索空间上有一定的正则化，AD-GCL可以产生下游任务相关信息的下界保证，同时保持原始图中冗余信息的上界保证，匹配IB原理的目标。

我们进一步给出了AD-GCL的一个实例化：GNN增强器使用了一个任务不可知的增强策略，并且将学习一个与输入图相关的非均匀边丢弃概率来执行图的增强。

2 准备工作

属性图$G=(V,E)$，其中$V$是节点集，$E$是边集。$G$可能具有维度为$F$的节点属性 { X v ∈ R F ∣ v ∈ V } \{X_v∈\mathbb{R}^F|v∈V\} {Xv​∈RF∣v∈V}和边属性 { X e ∈ R F ∣ e ∈ E } \{X_e∈\mathbb{R}^F|e∈E\} {Xe​∈RF∣e∈E}。我们将节点$v$的邻居集表示为${\mathcal{N}}_v$。

2.1 学习图表示

给定空间$\mathcal{G}$中的一组图$G_i,i=1,2,...,n$，目标是学习一个编码器$f:\mathcal{G}\to {\mathbb{R}}^d$，其中$f(G_i)$可以进一步用于一些下游任务。我们还假设所有的$G_i$都是从定义在$\mathcal{G}$上的未知分布${\mathbb{P}}_{\mathcal{G}}$中独立同分布地采样的。另一个模型$q:{\mathbb{R}}^d\to \mathcal{Y}$ 将学习基于$q(f(G_i))$的预测$Y_i$。我们假设$(G_i,Y_i)$是从一个分布${\mathbb{P}}_{\mathcal{G}\times \mathcal{Y}}={\mathbb{P}}_{\mathcal{Y}|\mathcal{G}}{\mathbb{P}}_{\mathcal{G}}$中独立同分布地采样的，其中${\mathbb{P}}_{\mathcal{Y}|\mathcal{G}}$是在给定图的下游任务中图标签的条件分布。

2.2 GNNs

对于图$G=(V,E)$，每个节点$v\in V$将与初始化为$h_v^{(0)}=X_v$的节点表示$h_v$配对。这些表示形式将通过GNN更新。在第$k$次迭代中，每个$h_v^{(k-1)}$使用$v$的邻域信息进行更新：

其中，$AGGREGATE(\cdot )$是一个可训练函数，它将节点表示集和边缘属性$X_{uv}$映射到一个聚合向量。$UPDATE(\cdot )$是另一个可训练函数，它将$v$当前的表示和聚合向量映射到$v$的更新表示。在（1）迭代$K$次后，图表示通过pool最终节点表示集得到：

2.3 互信息最大化

GCL的目标如下：

3 对抗性图对比学习

3.1 AD-GCL的理论动机及制定

图信息瓶颈(GIB)的目标如下：

其中，$(G,Y)\sim {\mathbb{P}}_{\mathcal{G}\times \mathcal{Y}}$，$\beta$是一个正常数。比较（3）与（4），我们可以观察到InfoMax和GIB的不同：InfoMax要求最大化原始图中的信息；而GIB要求最小化原始图中的信息，但同时最大化与下游任务相关的信息。

不幸的是，GIB需要来自下游任务中的类标签$Y$的知识，因此不适用于GNN的自监督训练。然后，问题就是如何以一种自监督的方式学习鲁棒的和可转移的GNN。

为了解决这个问题，我们将开发一种GCL方法，使用对抗性学习以避免在表示学习过程中捕获冗余信息。一般来说，GCL方法使用图数据增强(GDA)过程来扰乱原始的观测图，并减少它们编码的信息量。然后，这些方法在扰动图对（使用不同的GDA）上应用InfoMax来训练编码器$f$以捕获剩余信息。

定义1：图数据增强(GDA)

对于一个图$G\in \mathcal{G}$，$T(G)$表示$G$的图数据增强，它是基于$G$的在$\mathcal{G}$上定义的分布。我们使用$t(G)\in \mathcal{G}$来表示$T(G)$的一个样本。

具体来说，给定两种GDA方式$T_1$和$T_2$，GCL的目标成为：

在实践中，GDA通常是基于领域知识或广泛的评估而预先设计的，而GDA的不当选择可能会严重影响下游性能。

与预定义的GDA相比，我们的想法受GIB的启发，是在一个参数化的家族上学习GDA，这样编码器$f$就可以捕获足以识别每个图的最小信息。

AD-GCL：

我们通过一个GDA家族$\mathcal{T}$（定义如下）优化以下目标：

定义2：图数据增强家族

设$\mathcal{T}$表示不同GDAs $T_{\Phi }(\cdot )$的一个家族，其中$\Phi$是参数。一个$T_{\Phi }(\cdot )\in \mathcal{T}$是一个带有参数$\Phi$的特定GDA。

AD-GCL中的min-max原理旨在训练编码器，使即使使用一个具有非常侵略性的GDA（即$t(G)$与$G$非常不同），扰动图和原始图之间的互信息/对应关系也可以最大化。与GDA-GCL（公式(5)）中采用的两种GDA相比，AD-GCL将原始图$G$视为锚，同时使其扰动$T(G)$尽可能远离锚。对$T\in \mathcal{T}$的自动搜索节省了评估GDA不同组合的大量工作。

将AD-GCL与下游任务相关联

接下来，我们将从理论上描述通过AD-GCL训练的编码器的特性。

定义3：图的商空间

如果$G_1$、$G_2$不能用1-WL检验来区分，则定义两个图之间的等价性$G_1\cong G_2$。定义商空间为${\mathcal{G}}^{\prime }=\mathcal{G}/\cong$。

因此，商空间中的每个元素，即$G^{\prime }\in {\mathcal{G}}^{\prime }$，都是来自1-WL检验无法区分的图家族中的一个代表性图。请注意，我们的定义在属性图上也成立。

定义4：${\mathcal{G}}^{\prime }$中的概率测量

在空间${\mathcal{G}}^{\prime }$上定义${\mathbb{P}}_{{\mathcal{G}}^{\prime }}$，使任何$G^{\prime }\in {\mathcal{G}}^{\prime }$，${\mathbb{P}}_{{\mathcal{G}}^{\prime }}(G^{\prime })={\mathbb{P}}_{\mathcal{G}}(G\cong G^{\prime })$。近一步定义${\mathbb{P}}_{{\mathcal{G}}^{\prime }\times \mathcal{Y}}(G^{\prime },Y^{\prime })={\mathbb{P}}_{\mathcal{G}\times \mathcal{Y}}(G\cong G^{\prime },Y=Y^{\prime })$。给定一个在$\mathcal{G}$上定义的GDA $T(\cdot )$，定义一个${\mathcal{G}}^{\prime }$上的分布，使得对于$G^{\prime }\in {\mathcal{G}}^{\prime }$，有$T^{\prime }(G^{\prime })={\mathbb{E}}_{G\sim {\mathbb{P}}_{\mathcal{G}}}[T(G)|G\cong G^{\prime }]$。

定理1：

3.2 通过可学习的边缘扰动实例化AD-GCL

AD-GCL的目标有两个方面：

1. 优化编码器$f$，使原始图$G$与其增广图$t(G)$的表示之间的互信息最大化；
2. 优化GDA $T(G)$，其中T(G)被采样，以最小化互信息。

我们将编码器设置为具有可学习参数$\Theta$的GNN $f_{\Theta }$，接下来我们将重点关注具有可学习参数$\Phi$的GDA，$T_{\Phi }(G)$。

3.2.1 可学习的Edge Dropping GDA模型$T_{\Phi }(\cdot )$

我们采用 Edge Dropping（删除图中的一些边）来表示GDA家族$\mathcal{T}$。

3.2.2 参数化$T_{\Phi }(\cdot )$

对于每个图$G=(V,E)$，我们设置$T_{\Phi }(G),T\in \mathcal{T}$作为$G$上的随机图模型。每个样本$t(G)\sim T_{\Phi }(G)$是一个与$G$共享相同节点集的图，而边集$t(G)$只是$E$的一个子集。每条边$e\in E$将与一个随机变量$p_e\sim Bernoulli({\omega }_e)$相关联，其中如果$p_e=1$，则$e$在$t(G)$中，否则被删除。

我们利用另一个GNN，即增强器，根据公式（1）在$G$上运行$K$层，得到最后一层节点表示 { h v ( K ) ∣ v ∈ V } \{h_v^{(K)}|v∈V\} {hv(K)​∣v∈V}以及集合

为了以端到端的方式训练$T(G)$，我们将离散的$p_e$转化为[0,1]间的一个连续变量，并利用了Gumbel-Max重参数化技巧。具体来说，$p_e=Sigmoid((log\delta -log(1-\delta )+w_e)/\tau )$，其中$\delta \sim Unifoun(0,1)$。随着温度超参数$\tau \to 0$，$p_e$更接近于二进制的值。此外，梯度$\frac{\partial p_e}{\partial {\omega }_e}$是光滑和定义的。

3.2.3 调整$T_{\Phi }(\cdot )$

一个合理的GDA应保留与下游任务相关的一定数量的信息。因此，我们期望edge dropping家族$\mathcal{T}$中的GDA不会执行非常激进的扰动。

我们通过强制执行以下约束来规则化每个图中被丢弃的边的比率：对于一个图$G$及其增广图$t(G)$，我们在其目标中添加${\sum }_{e\in E}{\omega }_e/|E|$，其中${\omega }_e$（公式(7)中定义）表示$e$被丢弃的概率。

最终的目标如下：

其中，第二项(正则化)很容易先验地评估。对于第一项(互信息)，在训练过程中，给定一个包含$m$个图 { G i } i = 1 m \{G_i\}^m_{i=1} {Gi​}i=1m​的小批次，令$z_{i,1}=g(f_{\Theta }(G_i))$、$z_{i,2}=g(f_{\Theta }(t(G_i)))$，其中$g(\cdot )$是由2层MLP实现的投影头。用$sim(\cdot ,\cdot )$表示余弦相似性，小批次的互信息如下：

4 实验