PulseAugur
中
实时 20:05:46
English(EN) Frequency-Corrupt Based Graph Self-Supervised Learning

新的FC-GSSL方法增强了图自监督学习

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的图自监督学习方法，称为基于频率腐化的图自监督学习（FC-GSSL）。该方法旨在通过更好地利用高频信号并避免对局部模式过拟合来提高表示质量和泛化能力。FC-GSSL通过创建强调高频信息的腐化图，然后使用这些图来训练自动编码器以重建通用特征。在14个数据集上的实验表明，在节点分类、图预测和迁移学习任务中，性能得到了一致的提升。 AI

影响 该方法有望在推荐系统和社交网络分析等领域的基于图的人工智能应用的性能和泛化能力。

排序理由 该集群包含一篇详细介绍图自监督学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的FC-GSSL方法增强了图自监督学习

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Haojie Li, Mengjiao Zhang, Guanfeng Liu, Qiang Hu, Yan Wang, Junwei Du ·

    基于频率腐蚀的图自监督学习

    arXiv:2604.15699v2 Announce Type: replace Abstract: Graph self-supervised learning can reduce the need for labeled graph data and has been widely used in recommendation, social networks, and other web applications. However, existing methods often underuse high-frequency signals a…

相关话题