Advertisement

IJCAI 21 :Graph Debiased Contrastive Learning with Joint Representation Clustering

阅读量：

文章信息

在这里插入图片描述

摘要

联合聚类+表征学习方法，在采用无偏采样的基础上降低了对比学习中负样本的假阳性率（其中这些负样本可能与某些正样本共享相同的类别标签）

介绍

在这里插入图片描述

假阳性问题：由于在负采样的过程中存在这样的情况——即采样出的负样本与正样本节点具有相同的标签，并因此被视为负样本——从而影响模型性能。

GAE DGI等

方法

1.对比学习

在这里插入图片描述

对比学习未考虑类间信息，故之后采用 伪标签 聚类来联合优化

2 DEC的框架

3.无偏采样：

当获得明确的聚类划分后

在这里插入图片描述

实验

做了节点分类（学到后+LR） 节点聚类， 图聚类

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

全部评论 (0)

还没有任何评论哟~

相关文章推荐

IJCAI 21 :Graph Debiased Contrastive Learning with Joint Representation Clustering

文章信息 摘要 联合聚类+表征学习，基于无偏采样减少对比学习中负样本的假阳性（即，负样本，可能和正样本有相同的类别） 介绍 假阳性问题：在负采样中的存在，导致采样出的负样本和正样本节点相同标签导致被当...

Deep Contrastive Graph Learning with Clustering-Oriented Guidance.md

推荐指数paper/⭐ 发表于:AAAI24 具体流程如图,托马斯小火车模型 模型:只挑有意思的记录 第一阶段: \mathcalLFL=\frac1n\sumi^n\left\log\frace^\...

Graph Contrastive Learning with Adaptive Augmentation

摘要 对比学习在无监督图表示学习中取得了很好的效果，大部分图对比学习首先对输入图做随机增强生成两个视图然后最大化两个视图表示的一致性。其中，图上的增强方式是非常重要的部分鲜有人探索。我们认为数据增强模...

GraphGAN: Graph Representation Learning with GAN

GraphGAN:GraphRepresentationLearningwithGAN 1、Introduction 2、GraphGANFramework 2.1Optimization Discr...

Temporal Knowledge Graph Reasoning with Historical Contrastive Learning

AAAIConferenceonArtificialIntelligenceAAAI23 Abstract Temporalknowledgegraph,servingasaneffectiveway...

论文阅读：Representation Learning with Contrastive Predictive Coding

RepresentationLearningwithContrastivePredictiveCoding 参考一些NLP方法 理解ContrastiveLearning CPC Motivation...

Representation Learning with Contrastive Predictive Coding 论文阅读

前阵子读了一篇对比学习（ContrastiveLearning）领域的经典论文《RepresentationLearningwithContrastivePredictiveCoding》（Contr...

Contrastive Code Representation Learning

安装环境 安装nodejs 下载nodejs npmrootg输出默认路径 更改npm仓库路径 npmconfigsetprefixD:\repository\node\nodeglobal存储路径 ...

2022_WWW_Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning

[论文阅读笔记]2022WWWImprovingGraphCollaborativeFilteringwithNeighborhoodenrichedContrastiveLearning 论文下载地...

(CVPR2021) Video MoCo: Contrastive Video Representation Learning with Temporally Adversarial Example

使用对抗的方法，引入了对于时序robust的正样本，具体方式为使用lstm随机drop掉videoclip中的一些帧，同时由于负样本的队列中，越早进入的样本与正样本的差距越大，故给队列中的负样本一个权...