음성 대조의 부담
많은 음성 예시와 복잡한 증강을 사용하는 그래프 자기지도 학습은 큰 그래프에서 계산 및 메모리 부담이 커질 수 있다. BGRL은 다른 증강을 예측하는 학습으로 이 부담을 줄이는 방향을 제안했다.
단순한 증강의 활용
입력의 다른 증강을 예측하는 부트스트랩 학습을 수행한다. 기존 벤치마크에서 표현 성능과 메모리 사용량을 함께 평가해 확장성을 조사했다.
큰 그래프의 반지도 학습
원 연구는 반지도 설정에서 수억 개 노드의 그래프로 확장하는 실험도 다뤘다. BGRL 중심 해법은 KDD Cup 2021의 대규모 Open Graph Benchmark 과제에서 수상한 참가 해법 중 하나를 구성했다.
관련 문서
GRACE 그래프 대조 학습 / GraphCL 그래프 증강 / 자기지도 학습 / 반지도 학습 / 그래프 / 표현 학습