Heterogenes Graph-Kontrastives Lernen mit Meta-Pfad-Kontexten und adaptiv gewichteten negativen Stichproben

Das vorgeschlagene MEOW-Modell konstruiert eine grobe Ansicht und eine feingranulare Ansicht für den Kontrast, um sowohl die Verbindungen zwischen Objekten als auch die Details, wie diese Objekte verbunden sind, zu erfassen. Außerdem werden die Gewichte negativer Stichproben basierend auf Clustering-Ergebnissen gelernt, um falsche negative Stichproben von harten negativen Stichproben zu unterscheiden.