NIPS22：SpCo Revisiting Graph Contrastive Learning from the Perspective of Graph Spectrum

talk

石川组的，分析了什么是好的图数据增强。 aug后的邻接矩阵V，特征值的低频成分[0,1]应该和A的没有太大差异，高频成分[1,2]应该和A的高频成分越不同越好。 这里分析图的spectrum，都是在A和V的基础上 采用 对称拉普拉斯矩阵分析（ DAD）。理论什么的都很充分，实验也还好，但是数据集都比较小，同时，和原文的acc不一致，+了他的Spco 都可能达不到原文的acc

低频和A类似（走势相同） ，高频不同（A下降，ppr+heat逼近0） 因此 这两个性能好。

损失：原文推到了+，-的类似。 文章的思想就是 aug 后的A’ 满足上面的走势

appendix 里面这个Filkr咋不是7W，而是7K？？ 大图根本没办法计算 特征值吧，因此都没有 computer等 更何况ogbn

cora dgi 82-83 GRACE 82 CCA-SSG 84