AI 詞彙表
人工智能完整詞典
图自监督学习
一种学习范式，其中图模型通过从图结构本身自动生成监督任务，在没有显式标签的情况下学习表示。
对比图学习
一种自监督学习方法，通过最大化同一节点或图的不同增强视图之间的一致性，同时最小化不同实例之间的一致性，来学习图表示。
图掩码
一种代理任务，随机掩蔽图中的节点、边或属性，并训练模型重建缺失元素，从而强制学习鲁棒的表示。
图增强
通过保留语义的结构或属性变换创建图的替代视图的技术，用于在对比学习中生成正样本对。
节点表示学习
学习密集向量（嵌入）的过程，这些向量在低维向量空间中捕获节点的结构特征和语义特征。
边表示学习
学习图中边的嵌入，编码节点之间的关系和交互，对链接预测和边分类至关重要。
图前置任务
从图结构本身人工构建的任务，作为自监督学习的训练信号，之后迁移到下游任务。
图上下文预测
一种自监督任务，旨在从局部表示预测节点的结构上下文（如其k跳邻居）或图的全局属性。
Graph Clustering
Tâche proxy non supervisée utilisée pour l'apprentissage de représentations où les nœuds sont regroupés en clusters basés sur leur similarité structurelle ou attributaire dans l'espace d'embedding.
Graph Attention Mechanisms
Mécanismes qui calculent dynamiquement des poids d'attention pour les voisins lors de l'agrégation d'informations, permettant au modèle de se concentrer sur les parties les plus pertinentes du voisinage.
Graph Autoencoders
Modèles d'encodage-décodage qui apprennent des représentations compressées de graphes en reconstruisant la structure ou les attributs du graphe original, souvent utilisés pour l'apprentissage auto-supervisé.
Graph Message Passing
Paradigme fondamental où les nœuds échangent et agrègent des informations avec leurs voisins à travers plusieurs itérations, permettant la propagation d'information à travers la structure du graphe.