我校人工智能研究院团队在人工智能领域顶级期刊《IEEE Transactions on Neural Networks and Learning Systems》发表论文
第一作者：王泽宏 （计算机科学与技术专业2018级本科生）
通讯作者：余冬华
发表期刊：IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS
期刊 5-Year Impact Factor: 11.2
第一单位：绍兴文理学院
论文DOI: https://doi.org/10.1109/TNNLS.2024.3388424
图片摘要
研究介绍
对比学习（CL）已经成为一种强大的自监督学习方法，然而，它存在采样偏差，这阻碍了它的性能。虽然主流的解决方案，如困难负样本挖掘（Hard Negative Mining, HNM）和有监督对比学习（SCL），已经被提出来缓解这一关键问题，但它们并不能有效地解决图对比学习（GCL）问题。为了解决这一问题，我们提出了图正样本采样（GPS）算法和三个对比目标，整体算法框架见图片摘要。
图正样本采样（GPS）算法是一种新的学习范式，旨在利用图的固有特性来改进GCL模型，其利用四个互补的相似性度量，包括节点中心性、拓扑距离、邻域重叠和语义距离，为每个节点选择正对应物（positive counterparts）。三个对比目标旨在融合正样本，增强语义空间中的代表性选择。
我们通过大量的实验验证本文所提方法的有效性：
其一、从噪声处理与去偏差能力来看，GPS 算法优于HNM 算法。
其二、从节点聚类性能来看，嵌入GPS算法后，性能几乎超越所有SOTA GCL 算法。
上述研究以“Select Your Own Counterparts: Self-Supervised Graph Contrastive Learning With Positive Sampling”为题于2024年4月23日在线发表于《IEEE Transactions on Neural Networks and Learning Systems》，该期刊属机器学习、信息科学、人工智能的交叉学科领域，主要刊发神经网络及其学习系统的最新研究成果，是美国电气和电子工程师协会（IEEE）人工智能及机器学习领域国际顶级期刊。本研究得到国家自然科学基金（No.62002227）资助。
主要作者简介
第一作者 王泽宏
王泽宏，2018-2022年就读于绍兴文理学院机械与电气工程学院，现在美国圣母大学攻读计算机科学与技术专业博士学位，他的主要研究兴趣为机器学习、数据挖掘与图神经网络。
通讯作者 余冬华
余冬华，机械与电气工程学院/人工智能研究院教师，讲师，博士，苏州大学博士后，主要研究方向为数据挖掘、图神经网络、生物信息学。主持国家自然科学基金青年基金 1 项，发表 SCI/EI 论文 20 余篇。
