2022年9月16日，"掘力计划"第24期活动在北京举行，本期活动的主题是"大语言模型应用与实践"。来自中国人民大学的刘勇教授作了题为《大规模图学习中的图对比学习方法与应用》的演讲，向与会者介绍了图对比学习在大规模图学习中应用的相关技术。
刘勇教授来自中国人民大学，准聘副教授、博士生导师。博士毕业于天津大学。从事机器学习研究，特别关注统计机器学习、图表示学习、自动机器学习等。发表高水平论文60多篇，其中以第一作者或通讯作者发表CCF A类文章30余篇，涵盖机器学习领域顶级期刊 JMLR、TPAMI、Artificial Intelligence 和顶级会议 ICML，NeurIPS，ICLR 等。曾获得中国科学院"青年创新促进会"会员（院人才）以及中国科学院信息工程研究所"引进优秀人才"称号。担任国际顶级会议 IJCAI 高级程序委员，NeurIPS、ICML、AAAI、ECAI 等程序委员。主持多项科研基金项目，包括国家自然科学基金青年基金、面上项目、中国科学院基础前沿科学研究计划、腾讯犀牛鸟基金、联通联合项目、华为联合项目等。
一、图机器学习介绍
图（Graph）数据结构能够建模实体之间的关系，是表示实体关联的数据结构，因此越来越受到机器学习研究者的关注。
在社交网络、知识图谱、分子化学、蛋白质结构等多个领域，数据具有图结构的特点。将这些图结构数据用于机器学习，形成了图神经网络与图机器学习。
图机器学习专注于挖掘图结构数据中的模式，并进行预测与决策。其与其他机器学习方法的区别在于，图机器学习同时考虑特征和关系，而其他方法多只考虑独立同分布特征。
二、图对比学习方法
图神经网络虽然表现出色，但其训练依赖大量标注数据。而获得大量标注图数据的成本非常高，因此研究者开始尝试使用无标注数据进行图神经网络的预训练。
图对比学习通过构造正负样本对进行模型训练，属于自监督学习方法之一。它不需要人工标注数据，通过在输入图中进行扰动，产生正负样本对，使模型学习到有用的图表征。
具体做法包括：
- 特征遮挡：随机遮挡节点特征；
- 边删除：随机删除边；
- 子图采样：从大图中随机采样子图。
经过扰动的两个图作为正样本对，原图和无关图作为负样本对，通过拉近正样本距离、拉大负样本距离进行训练。
图对比学习可产生高质量的图预训练模型，对下游任务具有很好的迁移性，可显著提高效果。目前已在分子预测、社交网络等多个领域取得进展。
三、图对比学习中的对齐问题
通过理论分析和实验发现，图对比学习在使正负样本区分开时，也同时增大了正样本之间的距离，导致表示过于对齐，缺乏泛化能力。
为评估图对比学习对下游任务的影响，使用互信息的方法建立了对比学习目标与下游性能之间的上界。实验证明，减小对比学习目标同时保持增强效果，可以获得更好的泛化性能。
四、下一步工作
当前的研究工作主要集中在：
（1）寻找大规模通用图学习基准，类似 ImageNet；
（2）通过数据预处理增强模型泛化能力；
（3）加强理论分析，提高模型稳定性。
期待图对比学习和图神经网络能在更多领域实现突破，真正达到乃至超过大语言模型和大视觉模型的效果。
本次刘勇教授的演讲从图机器学习的发展演变出发，重点介绍了图对比学习在训练大规模图神经网络模型中的应用，并分析了当前的问题与挑战，对于从业者了解图神经网络与对比学习的发展非常有价值。这也充分体现了"掘力计划"活动致力连接学术前沿与产业实践的价值。
掘力计划
掘力计划由稀土掘金技术社区发起，致力于打造一个高品质的技术分享和交流的系列品牌。聚集国内外顶尖的技术专家、开发者和实践者，通过线下沙龙、闭门会、公开课等多种形式分享最前沿的技术动态。