محققان در یک پیشرفت جدید، روشی به نام FC-GSSL را برای آموزش خودنظارتی (Self-Supervised Learning) روی دادههای گرافی معرفی کردهاند.
مشکل بسیاری از مدلهای فعلی این است که بیش از حد روی الگوهای محلی تمرکز کرده و سیگنالهای فرکانس بالا را نادیده میگیرند. این متد جدید با ایجاد گرافهای خرابشده (Corrupted) که به سمت اطلاعات فرکانس بالا جهتگیری شدهاند، مدل را مجبور میکند تا ویژگیهای مختلف را بهتر تلفیق کند.
نتیجه این کار، افزایش دقت در وظایف پیچیدهای مثل دستهبندی گرهها، پیشبینی گراف و یادگیری انتقالی بوده است. این متد میتواند در حوزههایی مثل شبکههای اجتماعی و سیستمهای پیشنهاددهنده تغییرات مهمی ایجاد کند. 📈💡
منبع: arXiv Machine Learning