研究人员推出了一种新颖的图对比学习框架AdNGCL，旨在克服静态负采样的局限性。这种自适应方法利用一种感知难度的调度器（HANS）来根据负样本的信息量和计算成本动态管理负样本的选择。通过根据对比损失趋势和预算限制调整样本选择，AdNGCL旨在提高表示学习的鲁棒性和效率。 AI
影响 为基于图的人工智能应用中的表示学习引入了一种更有效、更鲁棒的方法。
排序理由 这是一篇详细介绍图对比学习新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2605.03076v1 Announce Type: new Abstract: Graph contrastive learning (GCL) has become a central paradigm for self-supervised representation learning in computational intelligence, with applications spanning recommendation, anomaly detection, and personalization. A key limit…