GNN小编专栏：图对比学习的相关研究

1.【arXiv-2021】Prototypical Graph Contrastive Learning

地址：https://arxiv.org/pdf/2106.09645.pdf

导读：对于一个查询，它的负面信息是从所有图中均匀采样的，现有的方法存在严重的抽样偏差问题，即负面信息可能与查询具有相同的语义结构，从而导致性能下降。为了缓解这种抽样偏差问题，本文提出了一种原型图对比学习(PGCL)方法。

2.【ICLR-2020】Contrastive Learning of Structured World Models

地址：https://arxiv.org/pdf/1911.12247.pdf

导读：从对象、关系和层次的角度对我们的世界进行结构化的理解是人类认知的一个重要组成部分。从原始的感官数据中学习这样一个结构化的世界模型仍然是一个挑战。作为迈向这个目标的一步，作者引入了Contrastively-trained Structured World Models (C-SWMs)。C- SWMs采用了一种对比的方法在具有组织结构的环境中进行表示学习。

本期内容：蒙盼盼 王嘉豪 许轶珂