2. 生成的数据形式:为每张图生成多句sub-caption,每句描述一部分信息; 3. 损失函数 i. 多正例的global图-文对比学习 Global Multi-Positive Contrastive Learning; ii. 细粒度分组对比学习Subcaption- 发布于 2024-04-30 22:56・IP 属地北京 赞同 43 ...
2. 无监督图表示学习中传统采样方法的解释- 局部对比损失的作用:先前关于无监督图表示学习的工作采用局部对比损失。这种损失函数的目的是强制邻近节点具有相似的嵌入。也就是说,在图中距离较近的节点,它们的特征表示应该比较相似。这是基于一种假设,即邻近节点在图结构中可能具有相似的属性或功能,通过这种方式可以学习...