我们分别使用AUROC和weight F1 score作为癫痫检测和分类的主要评估指标。表2见下图,显示了我们的DCRNN(no self-supervised pre-training)和基线的性能。无需self-supervised pre-training的distance graph-based的DCRNN(Dist DCRNN)和correlation graph-based的DCNN(Corr DCRNN)其性能与基线相当或更好。 abbr: w/o---...
自监督-SelfGNN: Self-supervised Graph Neural Networks without explicit negative sampling 标签:自监督、图神经网络、对比学习 动机 在真实世界中许多数据大部分是有没有标签的,而打上标签的是需要很大花费的 现存的对比学习
其次,现实世界的数据通常包含噪声,特别是在用户的短期行为中,这可能源于临时意图或误点击,这种噪声对图模型和序列模型的准确性产生负面影响,进一步复杂化了建模过程。 为了克服上述难题,北京大学、香港大学的研究人员提出了一种名为 Self-Supervised Graph Neural Network(SelfGNN)的全新框架,用于序列推荐。 论文链接:htt...
在本研究中,我们探讨用户项目图的自监督学习,以提高GCNs推荐的准确性和鲁棒性。In this work, we explore self-supervised learning on useritem graph, so as to improve the accuracy and robustness of GCNs for recommendation. 其思想是在经典的有监督推荐任务的基础上增加一个辅助的自我监督任务,通过自我识别...
Therefore, in this paper, we describe the case rationality assignment as a recommendation problem under the power-law distributed data. To solve the above problems, we propose an end-to-endelf-supervisedraph neural network model withre-trainingenerative learning forommendation (SGPGRec), the main...
3.节点表示容易收到噪声交互的影响。在本文中作者通过在用户-物品图上引入自监督学习来改善GCN在推荐系统上的准确率和鲁棒性,将其称为Self-supervised Graph Learning(SGL),并应用在LightGCN模型上。SGL是模型无关的,并通过辅助自监督任务来补充监督任务中的信息以达成上述目的。
图神经网络（Graph neural networks，GNNs）对于图结构的数据非常有效。然而，这种结构在实际应用中可能并...
https://github.com/LirongWu/awesome-graph-self-supervised-learning 近些年来,图上的深度学习在各种任务上取得了显著的成功,而这种成功在很大程度上依赖于海量的、精心标注的数据。然而,精确的标注通常非常昂贵和耗时。为了解决这个问题,自监督学习(Self-supervised Learning,SSL)正在成为一种全新的范式,通过精心设计的...
Self-Supervised Graph Neural Networks for Sequential Recommendation Yuxi Liu, Lianghao Xia, Chao Huang* SIGIR2024* denotes corresponding authorIn this paper, we propose a novel framework called Self-Supervised Graph Neural Network (SelfGNN) for sequential recommendation. The SelfGNN framework encodes ...
Graph-based neural network models with multiple self-supervised auxiliary tasks. arxiv preprint. Auxiliary Property Prediction(APP) 与MFR 不同,APP 从基本的图的结构和属性信息可以构建出多种的中间任务,并且提供自监督的信号。文中将其分为两种: