研究人员提出异质图自监督学习框架MVMAE并开源代码

1. 13:00
   arXiv 机器学习

   面向异质图自监督学习的高效可扩展多视图掩码自编码器 MVMAE

   研究人员提出面向异质图自监督学习的高效可扩展框架 MVMAE，采用掩码整个元路径视图并利用可见视图重构表征的新策略。该框架通过离线聚合机制预计算表征以避免构建子图，并配合 Transformer 融合编码器捕捉跨视图关联。在 6 个真实数据集（含 3 个大规模图）上的实验显示，MVMAE 表现优于主流自监督及半监督基准，代码已开源。

Current heat 4·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours-50%

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.