Самоконтролируемое обучение с графами — это подход, при котором используются графовые нейронные сети (GNN) для обучения значимых представлений из неразмеченных графовых данных.
Для этого создаются специальные задачи, такие как предсказание отсутствующих рёбер, восстановление атрибутов узлов или сравнение подграфов, чтобы обучить модель.
Эти так называемые предварительные задачи позволяют модели захватывать структурную и семантическую информацию графа без необходимости использования размеченных данных.
Типичные методы включают контрастивное обучение, при котором создаются положительные и отрицательные примеры для обучения сходству узлов или графов.
Такие самоконтролируемые графовые модели улучшают обобщение на различные задачи, такие как классификация узлов, предсказание связей или классификация графов.