두 그래프 관점
원 그래프에 무작위 교란을 적용해 상관된 두 그래프 관점을 만든다. 연결 구조에는 간선 제거를 노드 속성에는 특징 가림을 사용해 노드가 보게 되는 문맥을 다양하게 구성한다.
노드 표현의 일치
두 관점에 있는 같은 노드의 임베딩이 일치하도록 대조 손실을 최적화한다. 노드 표현과 전역 그래프 표현을 대조하는 방식과 달리 노드 수준 표현 사이의 관계를 직접 학습한다.
이론과 평가 설정
원 연구는 대조 목표를 상호 정보와 삼중항 손실 관점에서 분석했다. 여러 실제 그래프 자료에서 변환적 및 귀납적 노드 분류 과제를 평가했다.
관련 문서
GraphCL 그래프 증강 / Deep Graph Infomax / 상호 정보량 / 삼중항 손실 / 대조 학습 / 그래프