BriefGPT - AI 论文速递
·
自适应增强对比的时态图表示学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了SCGDN框架，包含Attentional Module和Diffusion Module两个组件，用于高效嵌入和节点状态平衡，避免采样偏见和语义漂移。SCGDN综合利用结构和特征信息进行抽样，最小化嵌入中的冗余信息以保留更有区分能力的信息。实验结果表明，SCGDN性能更好。
🎯
关键要点
-
提出了一种名为Self-Contrastive Graph Diffusion Network（SCGDN）的新框架。
-
SCGDN包含Attentional Module和Diffusion Module两个主要组件。
-
SCGDN旨在实现高效的嵌入和节点状态的平衡。
-
该框架避免采样偏见和语义漂移。
-
SCGDN综合利用结构和特征信息进行抽样。
-
最小化嵌入中的冗余信息，以保留更有区分能力的信息。
-
实验结果表明，SCGDN性能优于对照方法和经典方法。
➡️
