생성적 그래프 사전 학습
그래프 자기지도 학습에서 대조 학습이 주로 사용되는 가운데 생성적 오토인코더의 가능성을 조사했다. 재구성 목적과 학습 강건성 및 오차 측정 방식이 학습에 미치는 문제를 분석한다.
특징을 가리고 복원하기
연결 구조를 재구성하는 대신 특징을 복원하는 목표에 초점을 맞춘다. 마스킹 전략과 조정된 코사인 오차를 결합해 특징 재구성의 학습을 구성한다.
여러 과제의 비교
원 연구는 공개 자료 21개에서 세 종류의 그래프 학습 과제를 평가했다. 대조 방식과 생성 방식의 기준선들을 함께 비교해 그래프 생성적 사전 학습의 효과를 조사했다.
관련 문서
변분 그래프 오토인코더 / 오토인코더 / 자기지도 학습 / 그래프 신경망 / 코사인 유사도 / GraphCL 그래프 증강