Self-supervised Heterogeneous Graph Neural Network with Co-contrastive Learning

一句话总结这篇文章:
将传统的对比学习在gcn上改进,在schema和meta-path视图上采用了注意力机制来汇聚节点信息,并用对比学习得出损失函数.其中,对比学习的正样本改为两个节点之间的原路径超过阈值,就互为正样本
创新点:

• 汇聚了节点信息
• 汇聚了边的信息
• 提出了异构图的正样本
• 利用MixUp技术生成更多的负样本
  
  
  使用了MixUp,leakyRelu,掩码机制,提出了扩展模型heco_gan,heco_mu