arXiv 机器学习· Hao Geng, Deqing Wang, Lihao Ge, Chenguang Du, Fuzhen Zhuang, Bowen Yang, Yanlin Hu, Songtao Wang·· 12 小时前AI 评分34
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
Efficient and Scalable Multi-View Masked Autoencoder for Heterogeneous Graph Self-Supervised Learning
AI 导读
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。
来源：arXiv 机器学习 · arxiv.org