S2-DiGCL

新的S2-DiGCL框架推动有向图对比学习发展

研究人员推出S2-DiGCL，一个旨在增强有向图对比学习的新框架。与之前主要关注无向图的方法不同，S2-DiGCL整合了对现实世界网络至关重要的方向信息。该框架采用双空间视角，利用磁拉普拉斯扰动进行自适应边调制，并采用基于路径的子图增强策略来捕捉不对称性。在七个真实世界数据集上的实验表明，S2-DiGCL在节点分类和链接预测方面取得了最先进的性能。