CS6216-Project

自我监督的GNN如何转移到知识图上？ 邓爱琳，张一凡 CS6216项目 新加坡国立大学 概述 图表示学习已经成为解决现实世界中基于图的知识的强大技术。 图表示学习的一种技术是使用图神经网络，但是它需要大量的标记数据进行训练，因此对于实际应用来说可能是不切实际的。 为了解决这个问题，对比自我监督学习通过对比学习利用未标记的图数据来训练图神经网络（GNN），并且正引起越来越多的关注。 然而，尽管有一些关于GNN的预训练的对比自我监督学习研究，但很少有人探索它们在知识图学习任务中的应用。 因此，在该存储库中，我们根据经验探索在基于知识图的任务中，更好的自我监督GNN能否更好地转移。 图对比学习的预训练 我们使用图对比学习框架作为用于实证研究的基本图对比学习方法。 在GraphCL中，有四种图级增强技术：节点删除，边缘扰动，属性屏蔽和子图。 TransE，以转移到知识图任务 在图数据集上对图神