论文解读（GROC）《Towards Robust Graph Contrastive Learning》

🚀 优质资源分享 🚀

学习路线指引（点击解锁）	知识定位	人群定位
🧡 Python实战微信订餐小程序 🧡	进阶级	本课程是python flask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。
💛Python量化交易实战💛	入门级	手把手带你打造一个易扩展、更安全、效率更高的量化交易系统

论文信息

论文标题：Towards Robust Graph Contrastive Learning论文作者：Nikola Jovanović, Zhao Meng, Lukas Faber, Roger Wattenhofer论文来源：2021, arXiv论文地址：download 论文代码：download

1 Introduction

创新点：从对抗攻击和对抗防御考虑数据增强策略。

2 Graph robust contrastive learning

2.1 Background

目的：期望同一节点在 τ1τ1\tau_{1} 和 τ2τ2\tau_{2} 下的嵌入是相似的。同时，期望不同节点的嵌入在两个图视图之间的嵌入是不同的。

令：Neg(v)={τ1(u)∣u∈V∖{v}}∪{τ2(u)∣u∈V∖{v}}Neg(v)={τ1(u)∣u∈V∖{v}}∪{τ2(u)∣u∈V∖{v}}N e g(v)=\left{\tau_{1}(u) \mid u \in V \backslash{v}\right} \cup\left{\tau_{2}(u) \mid u \in V \backslash{v}\right} 是两个图视图中除 vvv 以外的节点的嵌入。σσ \sigma 是相似性度量函数。

即：