1.【arXiv 2021】Multi-Level Graph Contrastive Learning

论文地址：https://arxiv.org/pdf/2107.02639.pdf

导读：在本文中，作者提出了一个多层次图对比学习(MLGCL)框架，通过对比图的空间视图来学习图数据的鲁棒表示。具体地说，作者提出使用拓扑和特征空间视图作为对比视图，并使用编码特征生成的kNN图保持了高阶近似。之后基于此，提出了一种多级对比模式，以同时保持图结构数据的局部相似度和语义相似度。

 

2. 【IJCAI 2020】KGNN: Knowledge Graph Neural Network for Drug-Drug Interaction Prediction

论文地址：https://www.ijcai.org/Proceedings/2020/0380.pdf

导读：采用知识图(KG)进行DDI预测，可以直接学习节点潜在嵌入，但在获取KG中各实体丰富的邻域信息方面存在一定的局限性。针对上述局限性，本文作者提出了一种端到端知识图神经网络(KGNN)框架来解决DDI预测问题。该框架可以通过挖掘KG中药物及其潜在邻域的相关关系，有效地捕获药物及其潜在邻域。

提取目标的高阶结构和语义关系：从目标中每个实体的邻域学习作为它们的局部接受器，然后从当前实体的表示中集成带有偏差的邻域信息。通过这种方式，接受域可以自然地扩展到多个跳，以模拟高阶拓扑信息，并获得药物潜在的长距离相关性。

 

本期内容：蒙盼盼 王嘉豪 许轶珂