차수와 잡음의 문제
차수가 큰 노드가 표현 학습에 큰 영향을 주면 낮은 차수의 항목 추천이 불리해질 수 있다. 관측 간선의 잡음도 이웃 집계 과정에서 커질 수 있어 보조 자기 지도 과제를 제안했다.
같은 노드의 여러 보기
노드 드롭아웃, 간선 드롭아웃, 무작위 보행으로 그래프 구조를 바꾼다. 같은 노드의 서로 다른 보기끼리 다른 노드보다 더 일치하도록 학습해 추천의 지도 과제를 보완한다.
추천과 강건성의 평가
원 연구는 LightGCN에 이 학습을 적용하고 이론적으로 어려운 음성 예시를 자동 탐색하는 성질을 분석했다. 세 벤치마크에서 추천 정확도와 상호작용 잡음에 대한 강건성을 평가했다.