论文链接：https://proceedings.mlr.press/v162/xie22e/xie22e.pdf

本文提出了 LaGraph，一种基于自监督的潜在图预测的SSL 框架，用于图数据的表示学习。特别是，本文描述了潜在图的概念，并将潜在图预测作为pretext学习任务引入。本文通过推导其自监督上界将潜在图预测的监督目标调整为自监督设置，据此本文提出了 LaGraph 的学习框架。本文通过将 LaGraph 与不同领域的理论上合理的方法进行比较来进一步证明 LaGraph。本文的实验结果证明了 LaGraph 在图级和节点级表示学习上的有效性，其中在大多数数据集上实现了显着的性能提升，对于较小的批量大小或在节点子集上的训练具有更高的稳定性。

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