一般意义上,图对比学习是一种针对图数据的自监督学习算法。对给定的大量无标注图数据,图对比学习算法旨在训练出一个图编码器,目前一般指图神经网络(Graph Neural Network, GNN)。由这个 GNN 编码得到的图表示向量,可以很好地保留图数据的特性,并进一步在无监督、半监督、迁移学习以及鲁棒性测试等实验设置下进行测试,...
点对比和图对比各有各自的优点和可以选择的理由:点对比是细粒度而且符合预测任务的层级(时空预测就是预测每个点的特征回归,不像图分类这种图级别的特征的分类)。图对比可以提供全图信息,这也许能帮助每个节点学习到更有用的表示。 点对比图学习 通过编码器和投影之后得到Z。假设一个batch有M张时空图,每张时空图N个...
核心的思想是,对输入的二分图,做结点和边的dropout进行数据增强,增强后的图可以看做原始图的子视图;在子视图上使用任意的图卷积神经网络,如LightGCN来提取结点的表征,对于同一个结点,多个视图就能形成多种表征;然后借鉴对比学习的思路,构造自监督学习任务,即:最大化同一个结点不同视图表征之间的相似性,最小化不同...
一种基于对比学习的自监督图神经网络预训练方法.pdf,本发明涉及一种基于对比学习的自监督图神经网络预训练方法,步骤为:对公开数据库的化合物分子进行预处理,筛选出有机分子;对筛选出的有机分子进行结构分解并提取,将所得的子结构作为标识符,并构建子结构的语料库;将
如图1所示,给定一个图 ,我们首先利用图增广技术得到正对 .这里我们使用训练集中除 以外的所有其他图作为负样本 ,称为memory bank。然后我们利用图神经网络分别学习它们的表示 。此后,我们使用评分函数 测量负样本的难度,并将负样本从易到难排序。接下来使用步长函数 规划如何将负样本引入训练过程。最后,利用对比学习器...
对于图数据中的动态异质性特征的建模和学习,传统的神经网络往往无法很好地解决。因此,本文提出了一种基于对比学习的全局增强动态异质图神经网络。 1.引言 随着社交网络、推荐系统和生物信息学等领域的发展,图数据的应用越来越广泛。图数据通常具有动态性和异质性的特点,这给传统的神经网络带来了挑战。为了更好地对动态...
1、本发明的目的在于提供了一种基于对比学习的图神经网络的去偏方法。本发明结合了对比学习和图神经网络,能够有效降低由于图数据中对敏感属性的偏见产生的对全局模型公平性的影响。 2、本发明提出了一种基于对比学习的图神经网络的去偏方法,该方法首先对图数据进行随机的数据增强,然后通过对比学习对图数据进行预训练,...
1.一种基于对比学习的自监督图神经网络方法,其特征在于:包括以下步骤: 2.根据权利要求1所述的一种基于对比学习的自监督图神经网络方法,其特征在于:在步骤s1中,定义一个图数据集:将无向图定义为它们的节点集用表示,其中,vi代表节点i;节点特征矩阵用表示,其中,xi表示节点vi的特征向量,n代表节点数量,d0代表节点的...
本发明属于人物交互检测,特别涉及一种基于对比学习与图卷积神经网络的人物交互检测方法、系统、设备及介质。 背景技术: 1、人物交互(human object interaction,hoi)检测旨在解决人和物的交互关系问题,通过研究人物交互检测可以更好地理解人与世界的互动方式,使机器具备像人类一样观察和理解周围环境并做出快速决断的机制,...
本发明公开了一种基于扩散模型的对比学习图神经网络后门防御方法和系统,属于神经网络安全技术领域,包括:通过分数扩散模型和节点随机丢弃生成原始图的不同增强图,再利用对比学习训练GCN图编码器,与原数据训练的图解码器配合判断图数据是否含有触发器,最后对可疑图数据进行图重构。本发明提出的方法能够提高图神经网络对后门...