Self-Contrastive Graph Diffusion Network

摘要创新点

  • 注意力机制(其实和gcn类似)
  • 邻居作为负样本
  • 主要创新点:将和距离相关的knn矩阵和gcn进行了注意力融合

Pasted image 20240417161633.png
步骤:
W:邻接矩阵,Ps,Pc是注意力图,中间的两个是可学习超参

si表示一列

是ReLU激活函数,
借鉴COLES的损失:
对比学习是相似性矩阵和I的损失
其中是补货正样本的拉普拉斯矩阵,表示随机生成的度正则化负样本矩阵
新的负样本捕获策略:
最终损失:
其中,,