面向高级用户的图自监督学习解析

图自监督学习是一种利用图神经网络（GNN）从无标签图数据中学习有意义表示的方法。

其中构建了特定任务，例如预测缺失边、重建节点属性或比较子图，以训练模型。

这些所谓的预任务使模型能够捕捉图的结构和语义信息，而无需依赖标注数据。

典型方法包括对比学习，通过生成正负样本来学习节点或图的相似性。

此类自监督图模型提升了在节点分类、链接预测或图分类等多种任务上的泛化能力。