Glossário IA
O dicionário completo da Inteligência Artificial
Aprendizagem Auto-Supervisionada em Grafos
Paradigma de aprendizagem onde os modelos de grafos aprendem representações sem rótulos explícitos, gerando automaticamente tarefas de supervisão a partir da própria estrutura do grafo.
Aprendizagem Contrastiva em Grafos
Abordagem de aprendizagem auto-supervisionada que aprende representações de grafos maximizando a concordância entre diferentes visões aumentadas do mesmo nó ou grafo, enquanto minimiza a concordância entre instâncias diferentes.
Mascaramento de Grafos
Tarefa proxy que consiste em mascarar aleatoriamente nós, arestas ou atributos num grafo e treinar o modelo para reconstruir os elementos em falta, forçando assim a aprendizagem de representações robustas.
Aumento de Grafos
Técnica de criação de visões alternativas de um grafo através de transformações estruturais ou de atributos que preservam a semântica, utilizada para gerar pares positivos na aprendizagem contrastiva.
Aprendizagem de Representação de Nós
Processo de aprendizagem de vetores densos (embeddings) que capturam as características estruturais e semânticas dos nós num espaço vetorial de baixa dimensão.
Aprendizagem de Representação de Arestas
Aprendizagem de embeddings para as arestas do grafo que codificam as relações e interações entre os nós, crucial para a previsão de ligações e a classificação de arestas.
Tarefas Pretextuais de Grafos
Tarefas artificialmente construídas a partir da própria estrutura do grafo, servindo como sinal de treino para a aprendizagem auto-supervisionada antes da transferência para tarefas a jusante.
Previsão de Contexto de Grafos
Tarefa auto-supervisionada que consiste em prever o contexto estrutural de um nó (como os seus vizinhos a k-saltos) ou as propriedades globais do grafo a partir de representações locais.
Agrupamento de Grafos
Tarefa proxy não supervisionada usada para o aprendizado de representações onde os nós são agrupados em clusters baseados em sua similaridade estrutural ou de atributos no espaço de embedding.
Mecanismos de Atenção em Grafos
Mecanismos que calculam dinamicamente pesos de atenção para os vizinhos durante a agregação de informações, permitindo que o modelo se concentre nas partes mais relevantes da vizinhança.
Autoencoders de Grafos
Modelos de codificação-decodificação que aprendem representações compactadas de grafos reconstruindo a estrutura ou os atributos do grafo original, frequentemente usados para aprendizado auto-supervisionado.
Passagem de Mensagens em Grafos
Paradigma fundamental onde os nós trocam e agregam informações com seus vizinhos através de múltiplas iterações, permitindo a propagação de informações através da estrutura do grafo.