Effiziente Verarbeitung und Analyse von Inhalten zur Gewinnung von Erkenntnissen durch semi-überwachte Domänenanpassung auf Graphen mit kontrastivem Lernen und Minimax-Entropie
Das vorgeschlagene SemiGCL-Modell kombiniert kontrastives Lernen auf Graphen und Minimax-Entropie-Training, um diskriminative Knotenrepräsentationen zu erzeugen und die Domänendivergenz zwischen Quell- und Zielgraph zu reduzieren.