แนวคิดหลัก
HeCo++는 상호 보완적인 정보를 효과적으로 탐색하여 최종 결과를 향상시키는 계층적 대조 학습을 수행합니다.
สถิติ
대부분의 HGNN 연구는 반지도 학습 패러다임에 속하며, 노드 임베딩을 학습하기 위해 다양한 이질적 메시지 전달 메커니즘을 설계합니다.
Contrastive learning은 자기 지도 학습의 일종으로, 양성 및 음성 샘플을 대조하여 임베딩을 학습합니다.
HeCo는 네트워크 스키마 및 메타 패스 뷰를 사용하여 노드 임베딩을 학습하고 복잡한 구조를 캡처합니다.
HeCo++는 계층적 대조 학습을 통해 네트워크 스키마 및 메타 패스 뷰의 정보를 효과적으로 탐색합니다.
คำพูด
"Contrastive learning aims at maximizing the similarity between positive samples while minimizing the similarity between negative samples."
"HeCo employs network schema and meta-path views to collaboratively supervise each other, enhancing contrastive performance."