Graph Contrastive Learning with Adaptive Augmentation-基于自适应增强的图对比学习
近年来，对比学习（CL）已成为一种成功的无监督图表示学习方法。大多数图对比学习方法首先对输入图进行随机增强，以获得两个图视图，并最大化两个视图中表示的一致性。尽管图对比学习方法得到了繁荣的发展，但数据增强方案的设计却比较少，数据增强方案应保留图的固有结构和属性，只对不太重要的节点和边进行扰动。这样，模型才能在不同版本的图中识别并保持关键部分的表示一致，同时对无关或不重要的部分变化不敏感，学到更加稳健的图表示。 该论文提出一种自适应增强的图对比学习方法（Graph Contrastive l...