서로 다른 구조의 관점
네트워크 스키마와 메타패스 뷰에서 각각 노드 임베딩을 얻는다. 두 관점은 국소 연결과 더 높은 차수의 구조를 포착하도록 구성되며, 서로 학습 신호를 제공한다.
교차 뷰 대조
뷰 마스킹과 교차 뷰 대조 학습으로 두 관점에서 양성과 음성 임베딩을 추출한다. 더 어려운 음성 표본을 만드는 확장도 제안해 표현 학습을 강화했다.
HeCo++의 계층적 대조
후속 HeCo++는 뷰 사이의 공통 요소와 각 뷰의 고유한 정보를 함께 고려한다. 교차 뷰 대조에 뷰 내부 대조를 추가해 각각의 구조를 더 탐색하는 계층적 학습으로 확장했다.
관련 문서
HGOT / HAN 이종 그래프 어텐션 / HGT 이종 그래프 트랜스포머 / 대조 학습 / 자기 지도 학습 / GraphCL 그래프 증강