热点事件观察中
研究人员提出异质图自监督学习框架MVMAE并开源代码
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年11月3日，研究人员在 arXiv 发布面向异质图自监督学习的高效可扩展框架 MVMAE。该框架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，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。在包括3个大规模图在内的6个真实数据集上的实验表明，MVMAE 的表现优于主流自监督及半监督基准。目前，该研究的代码已开源。
AI 根据报道生成 · 22 小时前更新
最新进展11月3日 13:00
研究人员提出异质图自监督学习框架MVMAE，性能超越主流基准并已开源代码。报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- 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。
本事件热度走势
当前热度 5·可比范围峰值 9（11月3日 18:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。