BeSCL: Better Semi-supervised and Contrastive Learning for graph node classification

Abstract

그래프 노드 분류 문제를 해결하기 위해 많은 준지도 및 비지도 학습 방법들이 연구되고 있다. 특히 레이블 정보가 부족한 상황을 많이 해결하고자 하는데, 우리는 이를 해결하고자 레이블 정보를 이용한 데이터 증강과 대조 학습을 결합한 BeSCL(Better Semi-supervised and Contrastive Learning) 이라는 새로운 알고리즘을 제안한다. BeSCL은 준지도 학습 환경에서 진행되며, 그래프에 데이터 증강을 적용하여, 새로운 그래프 데이터를 만들고 이를 비지도 학습 환경에서 이용되는 대조 학습을 이용하여 학습한다. 실험결과, BeSCL은 데이터 양에 관계 없이 강건한 성능을 보이며, 기존 노드 분류 방법론 대비 더 뛰어난 성능을 보인다.