[KDD 2022 | 论文简读] GraphMAE: 自监督的掩码图自动编码器
2023-06-13 09:16:24 时间
简读分享 | 龙文韬 编辑 | 王宇哲
论文题目
GraphMAE: Self-Supervised Masked Graph Autoencoders
论文摘要
近年来,人们对自监督学习(SSL)进行了广泛的研究。特别是,生成性SSL已经在自然语言处理和其他领域取得了成功,例如BERT和GPT的广泛采用。尽管如此,对比学习(严重依赖于结构数据增强和复杂的训练策略)一直是图SSL的主要方法,而生成性SSL在图上的进展,特别是图自动编码器(GAEs),到目前为止还没有达到其他领域相似的潜力。在本文中,作者确定并研究了对GAEs的发展产生负面影响的问题,包括其重建目标、训练鲁棒性和错误度量。作者提出了一个掩码图自动编码器GraphMAE,它缓解了生成性自监督图学习的这些问题。作者建议将重点放在特征重建上而不是结构重建上,同时使用掩码策略和缩放余弦误差,这有利于GraphMAE的鲁棒性训练。作者针对三种不同的图学习任务,在21个公共数据集上进行了广泛的实验。结果表明,GraphMAE(经过作者精心设计的简单图自动编码器) 能够持续达到优于对比性和生成性最先进基线的性能。本研究提供了对图自动编码器的理解,并展示了生成性自监督学习在图上的潜力。
论文链接
https://dl.acm.org/doi/10.1145/3534678.3539321
相关文章
- 经典神经网络 | Faster R-CNN 论文解析
- 7 Papers & Radios | 华为配置管理研究获SIGCOMM 2022最佳论文;用即插即用模块改进ViT和卷积模型
- 【论文阅读】DynaPosGNN:Dynamic-Positional GNN for Next POI Recommendation
- 【论文阅读】Geography-Aware Sequential Location Recommendation
- 流程引擎应用及分析论文_微服务 流程引擎
- 如何撰写好的科研论文:摘要(1)
- 论文速递2022.10.7!
- 原创 | AI顶会论文很多附带源代码?不少是假开源!
- [Genome Biology | 论文简读] 识别和纠正在端粒的纳米孔测序中的重复调用错误
- [CVPR 2022 | 论文简读] 高分辨率图像复原的Transformer
- [KDD 2022 | 论文简读] 标量是不够的:基于矢量化的无偏差学习排名
- [Nat.Mach.Intell|论文简读] 一种上下文感知去混淆自动编码器,用于从细胞系化合物筛选中稳定预测个性化临床药物反应
- [TPAMI | 论文简读] CyCoSeg:用于自动医学图像分割的循环协作框架
- 【每周CV论文推荐】基于GAN的图像超分辨值得阅读的文章
- 跟李沐学ChatGPT背后技术:67分钟读透InstructGPT论文
- 自监督、半监督和有监督全涵盖,四篇论文遍历对比学习的研究进展
- Endnote中文版下载,论文写作辅助软件Endnote 20中文版下载安装
- Linux操作系统:开放式系统的发展与应用(linux操作系统论文)
- 翻译Linux下自动论文翻译系统(基于linux的论文)