论文标题：
RoSA: A Robust Self-Aligned Framework for Node-Node Graph Contrastive Learning

论文链接：

https://arxiv.org/abs/2204.13846

代码链接：

https://github.com/ZhuYun97/RoSA

 

本文提出了一个鲁棒的自对齐图对比学习框架，用于 node-node level 图表示学习。该工作是第一个致力于解决 non-aligned node-node level 图对比学习问题的工作。

 

为了解决非对齐问题，我们引入了一种新的基于图的最优传输算法 g-EMD，该算法不需要显式的节点对应，可以充分利用图的拓扑信息和属性信息进行非对齐节点节点对比。此外，为了弥补 non-aligned 采样可能造成的信息损失，我们提出了一种无监督图对抗训练，以提高采样的多样性，增强模型的鲁棒性。

 

和现有方法相比，我们的方法在大量数据集上都达到了 SOTA。

内容中包含的图片若涉及版权问题，请及时与我们联系删除