「AI Drive」是由 PaperWeekly 和 biendata 共同發起的學術直播間，旨在幫助更多的青年學者宣傳其最新科研成果。我們一直認為，單向地輸出知識并不是一個最好的方式，而有效地反饋和交流可能會讓知識的傳播更加有意義，從而產生更大的價值。

本期 AI Drive，我們邀請到北京郵電大學 GAMMA Lab 實驗室碩士生劉念，為大家在線解讀其發表于 KDD 2021 的最新工作：Self-supervised Heterogeneous Graph Neural Network with Co-contrastive Learning。對本期主題感興趣的小伙伴，6 月 29 日（周二）晚 7 點，我們準時相約 PaperWeekly B 站直播間。

直播信息

大部分的異質圖神經網絡（HGNNs）都遵循半監督學習的設定，然而實際應用中標簽信息往往很難獲得。而自監督學習由于能夠自發地從數據本身挖掘監督信號，已經成為無監督設定下很好的選擇。作為一種典型的自監督機制，對比學習（contrastive learning）通過從數據中抽取出正負樣本，同時最大化正例間的相似度以及最小化負例間相似度，能夠學到判別性的表示。盡管對比學習在 CV 和 NLP 領域得到了廣泛應用，如何將它和 HIN 結合卻尚未解決。

在本篇文章中，我們提出了一個新的基于協同對比學習的異質圖神經網絡框架，簡稱 HeCo。HeCo 采用跨視圖的對比機制，選擇網絡模式和元路徑作為兩個視圖，結合視圖掩蓋機制，分別學得兩個視圖下的節點表示。之后，利用跨視圖對比學習，使得兩個視圖協同監督。此外，我們還提出兩個 HeCo 擴展，通過生成更高質量的負例，提升最終效果。

論文標題：

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

論文鏈接：

https://arxiv.org/abs/2105.09111

代碼鏈接：

https://github.com/liun-online/HeCo

本次分享的具體內容有：?

• 問題思考：如何進行異質的對比學習

• 問題建模：跨視圖的協同對比學習HeCo

• 實驗結果：多角度實驗驗證與分析

• 工作總結：總結與展望

嘉賓介紹

?劉念?/ 北京郵電大學碩士生?

劉念，北京郵電大學 GAMMA Lab 實驗室一年級碩士生，導師為石川教授。主要研究方向為圖神經網絡、對比學習、自監督學習等。目前已經在 KDD 等頂會發表論文。

直播地址?& 交流群

本次直播將在 PaperWeekly B 站直播間進行，掃描下方海報二維碼或點擊閱讀原文即可免費觀看。線上分享結束后，嘉賓還將在直播交流群內實時 QA，在 PaperWeekly 微信公眾號后臺回復「AI Drive」，即可獲取入群通道。

B 站直播間：

https://live.bilibili.com/14884511

合作伙伴

????

現在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關注」訂閱我們的專欄吧

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

總結

以上是生活随笔為你收集整理的直播 | KDD 2021论文解读：基于协同对比学习的自监督异质图神经网络的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。