当前位置: 首页> 科技> 数码 > 网络营销推广网站收录哪些_seo案例网站建设哪家好_地推团队去哪里找_google搜索首页

网络营销推广网站收录哪些_seo案例网站建设哪家好_地推团队去哪里找_google搜索首页

时间:2025/7/9 7:07:34来源:https://blog.csdn.net/jiang_wan_/article/details/145827749 浏览次数:0次
网络营销推广网站收录哪些_seo案例网站建设哪家好_地推团队去哪里找_google搜索首页

CCFB类,2023年的论文,与MaskGAE的一些创新点很像
感觉里面的有些句子没解释清楚,而且也没引用,看的一头雾水,我觉得这篇论文最创新的就是从损失函数公式的角度把对比学习与生成学习统一起来了,而且模型的性能提升也不算很高,某一领域不突出,但所有应用场景表现很平均的好(“中庸之道”),在大规模图上表少的也不错

S2GAE

现有问题

主要与GAE和MaskGAE进行比较,分析了这两个模型的不足

  • GAE和MaskGAE都过于强调临近信息,全局学到的很少
  • GAE的泛化能力不行(主要在链接预测上表现好)
  • MaskGAE不适用于大规模图,而且由于输入图包含噪音,其decoder表现力不好

创新点

  • 提出了有向边掩码(Masked也有)
  • 交叉熵关联解码(看流程图可以看出来怎么做的)更能学习到信息的表示
  • 从loss函数方面把对比学习与生成学习统一起来
    • 都计算了两个节点间的相似度
    • 对比学习用了两种增强策略得到了两个节点的增强视图进行比较,生成学习相当于用一种增强策略及掩码得到了两个节点的增强视图
    • 把某条边相连的两个顶点的局部子图作为两个子图进行对比
      在这里插入图片描述

可以用到的小点

  • 在做实验的时候由于GraphMAE没有进行链接预测实验,可以自己训练一个MLP的decoder进行微调
  • 在进行节点分类,图分类的时候只用到了encoder,但是在连接预测任务中预训练的decoder也被用来进行预测两个节点之间是否存在边(这样Bandana提出的decoder会扰乱评估过程就说的通了)
  • 在计算loss时,分母不是计算了所有节点的,而是用了负采样
  • 而且在消融实验中,MLP换成GNN效果反而不好,好神奇,我觉得是和他上一步的交叉相乘有关系
  • 把所有层的嵌入拼接到一起也不好(但是MaskGAE就是拼接到一起了,效果挺好)
关键字:网络营销推广网站收录哪些_seo案例网站建设哪家好_地推团队去哪里找_google搜索首页

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

责任编辑: