第一作者：王澤宏 （計算機(jī)科學(xué)與技術(shù)專業(yè)2018級本科生）

通訊作者：余冬華

發(fā)表期刊：IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS

期刊 5-Year Impact Factor: 11.2

第一單位：紹興文理學(xué)院

論文DOI: https://doi.org/10.1109/TNNLS.2024.3388424

圖片摘要

研究介紹

　　對比學(xué)習(xí)（CL）已經(jīng)成為一種強(qiáng)大的自監(jiān)督學(xué)習(xí)方法,，然而,，它存在采樣偏差,，這阻礙了它的性能,。雖然主流的解決方案,，如困難負(fù)樣本挖掘（Hard Negative Mining, HNM）和有監(jiān)督對比學(xué)習(xí)（SCL）,，已經(jīng)被提出來緩解這一關(guān)鍵問題,，但它們并不能有效地解決圖對比學(xué)習(xí)（GCL）問題,。為了解決這一問題，我們提出了圖正樣本采樣（GPS）算法和三個對比目標(biāo),，整體算法框架見圖片摘要,。

　　圖正樣本采樣（GPS）算法是一種新的學(xué)習(xí)范式，旨在利用圖的固有特性來改進(jìn)GCL模型,，其利用四個互補的相似性度量,，包括節(jié)點中心性、拓?fù)渚嚯x,、鄰域重疊和語義距離,，為每個節(jié)點選擇正對應(yīng)物（positive counterparts）。三個對比目標(biāo)旨在融合正樣本,，增強(qiáng)語義空間中的代表性選擇,。

　　我們通過大量的實驗驗證本文所提方法的有效性：

　　其一、從噪聲處理與去偏差能力來看,，GPS 算法優(yōu)于HNM 算法,。

　　其二、從節(jié)點聚類性能來看,，嵌入GPS算法后,，性能幾乎超越所有SOTA GCL 算法。

　　上述研究以“Select Your Own Counterparts: Self-Supervised Graph Contrastive Learning With Positive Sampling”為題于2024年4月23日在線發(fā)表于《IEEE Transactions on Neural Networks and Learning Systems》,，該期刊屬機(jī)器學(xué)習(xí),、信息科學(xué)、人工智能的交叉學(xué)科領(lǐng)域,，主要刊發(fā)神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)系統(tǒng)的最新研究成果,，是美國電氣和電子工程師協(xié)會（IEEE）人工智能及機(jī)器學(xué)習(xí)領(lǐng)域國際頂級期刊。本研究得到國家自然科學(xué)基金（No.62002227）資助,。

主要作者簡介

第一作者 王澤宏

　　王澤宏,，2018-2022年就讀于紹興文理學(xué)院機(jī)械與電氣工程學(xué)院，現(xiàn)在美國圣母大學(xué)攻讀計算機(jī)科學(xué)與技術(shù)專業(yè)博士學(xué)位,，他的主要研究興趣為機(jī)器學(xué)習(xí),、數(shù)據(jù)挖掘與圖神經(jīng)網(wǎng)絡(luò)。

通訊作者 余冬華

　　余冬華,，機(jī)械與電氣工程學(xué)院/人工智能研究院教師，講師,，博士,，蘇州大學(xué)博士后，主要研究方向為數(shù)據(jù)挖掘,、圖神經(jīng)網(wǎng)絡(luò),、生物信息學(xué),。主持國家自然科學(xué)基金青年基金 1 項，發(fā)表 SCI/EI 論文 20 余篇,。

編輯：蘇標(biāo)標(biāo)　嚴(yán)許媖