【ICML2023】SEGA:结构熵引导的图对比学习锚视图

在对比学习中，"视图"的选择控制了表示捕获的信息，并影响模型的性能。然而，主流的图对比学习方法通常通过随机破坏或学习来生成视图，这可能会导致基本信息的丢失和语义信息的改变。为对比学习维护输入图基本信息的锚点视图尚未被研究。本文基于图信息瓶颈理论，推导出锚点视图的定义;换句话说，具有输入图基本信息的锚视图被认为具有最小的结构不确定性。在结构熵的指导下，实现了锚点视图SEGA，用于图对比学习。在无监督、半监督和迁移学习下关于图分类的各种基准上广泛验证了所提出的锚点视图，与最先进的方法相比，取得了显著的性能提升。

https://www.zhuanzhi.ai/paper/d5eb57fd9b3067775ff68c61acb6f35e