graph-embeddings

本文分析了非均匀随机图中的保距嵌入，提供了比经典最坏情况结果更紧的失真界，并引入了一种GNN增强变体，可从小型图中学习通用特征。

MABLE将掩码重建与余弦相似度损失相结合，从大型异构图中学习节点和图嵌入，在地球空间矿产勘探数据上进行了演示。它在一个无需标注数据的自监督框架中统一了掩码自编码和度量学习。