close
我們擴展了最早出現在計算機視覺和自然語言處理領域的自監督學習的概念，對現有的圖數據半監督學習（SSL）技術進行了及時和全面的回顧。具體來說，我們將現有的圖SSL方法分為三類:對比、生成式和預測，如下所示。
對比學習:對比不同數據擴充方法生成的數據。關於樣本對(內部數據)之間的差異和相同性的信息被用作自監督信號。
生成式學習:它關注數據中嵌入的(數據內)信息，通常基於重建等prtext任務，這些任務利用數據本身的屬性和結構作為自我監督信號。
預測學習:它通常通過一些簡單的統計分析或專家知識，從圖數據中自生成標籤，並基於自生成的標籤設計基於預測的任務來處理數據-標籤關係。
本資源對圖神經網絡半監督學習方式及模型進行詳細分類，並整理了相關的論文。
資源整理自網絡，源地址：https://github.com/LirongWu/awesome-graph-self-supervised-learning
目錄
內容截圖
DeepLearning_NLP
深度學習與NLP
商務合作請聯繫微信號：lqfarmerlq
全站熱搜
留言列表