高次元グラフ自己教師あり学習における効率的なサンプリング信号

高次元グラフにおける自己教師あり学習では、従来の手法では任意のネガティブサンプルを選択するため、学習バイアスが発生し、計算コストが高くなるという問題がある。本研究では、正規化正準相関分析に基づくノードレベルおよびグループレベルの自己教師あり信号と、階層的メンバーシップ対比学習を提案することで、これらの問題を解決する。