图对比学习研究进展

摘要

图对比学习可以提取无标注数据自身信息作为自监督信号指导模型训练，并帮助缓解图神经网络对标签数据的依赖及结构不公平等问题，已成为图神经网络领域的研究热点.本文从数据增广方式、样本对构造、对比学习粒度3个方面对现有图对比学习研究进行了深入探讨，分析了已有不同图对比学习研究方法各自的优点与不足.在此基础上，指出了现有图对比学习研究存在的问题，并提出了自适应性图对比学习、上下文图对比学习、动态图对比学习、超图对比学习、因果推断图对比学习、无负样本图对比学习及基于大语言模型的图对比学习等未来图对比学习的研究方向.

关键词

图对比学习 / 研究进展 / 数据增广 / 样本对 / 对比粒度

基金资助

国家自然科学基金项目(31671589)资助; 安徽省自然科学基金项目(2108085MF209)资助; 安徽省科技重大专项项目(202103b06020013)资助; 安徽省高校自然科学研究项目(YJS20210235)资助