
SpeGCL은 그래프의 고주파 정보를 효과적으로 활용하고, 양의 샘플 없이도 효과적인 학습을 가능하게 하는 새로운 그래프 대조 학습 프레임워크입니다.


coremsg

양의-샘플-없이-자기-지도-방식으로-그래프-스펙트럼-대조-학습을-수행하는-spegcl


양의 샘플 없이 자기 지도 방식으로 그래프 스펙트럼 대조 학습을 수행하는 SpeGCL



기존 그래프 대조 학습(GCL) 기반 커뮤니티 탐지 방법의 한계를 지적하고, 커뮤니티 구조 정보를 효과적으로 활용하는 새로운 프레임워크인 GCLS$^2$를 제안하여 커뮤니티 탐지 정확도를 향상시키는 방법을 제시한다.



그래프 대조 학습과 구조 의미론을 사용한 효율적인 커뮤니티 탐지 방법: GCLS$^2$
