BriefGPT - AI 论文速递 · 2023-09-14T00:00:00Z 基于对比学习和极小极大熵的图上半监督领域适应 💡 原文中文，约200字，阅读约需1分钟。 📝 内容提要 本文介绍了一种名为GraphCL的自我监督学习框架，用于学习节点表示。该框架通过最大化同一节点的本地子图的内在特征和连接结构的两个随机扰动版本的表示之间的相似性来学习节点嵌入，并使用对比学习损失来最大化它们之间的一致性。 🏷️ 标签 GraphCL 对比学习 对比学习损失 自我监督学习 节点分类 节点表示 阅读原文 生成长图 分享链接 已复制链接
