FiGURe：简洁高效的无监督节点表示学习与过滤增强
原文中文，约400字，阅读约需1分钟。发表于：。FiGURe 方法通过基于对比学习的无监督节点表示学习，在节点数据的下游任务上获得了优秀的性能，提出了一种基于滤波器的增强方法以捕捉不同的特征成分，并展示了相同权重的不同滤波器增强方法之间可以共享权重，降低计算负载；此外，通过简单的随机傅里叶特征映射来实现低维度嵌入，解决了在高维度表示中多重增强方法带来的计算问题，并通过与最先进的无监督模型相比，在所有数据集上取得了高达 4.4％的平均增益。
FiGURe方法是一种无监督节点表示学习方法，可在下游任务上表现优秀。该方法提出了基于滤波器的增强方法，可共享权重降低计算负载。使用随机傅里叶特征映射实现低维度嵌入，解决高维度表示中的计算问题。在所有数据集上取得高达4.4%的平均增益，超过最先进的无监督模型。
