SelfAug：特征中心化图数据增强框架
Get the story
2026年10月5日，arXiv 机器学习理论栏目发布论文，提出名为 SelfAug 的特征中心化图数据增强框架。该方法绕过显式结构建模，直接在嵌入空间中通过自监督逆掩码过程恢复未观测的结构信号，并引入消息正则化器与 bootstrap 策略，以提升噪声稀疏监督下的鲁棒性。论文在十个跨领域图数据集上进行实验，结果显示在归纳与冷启动设置中，SelfAug 的准确率和效率均优于现有最先进方法。该论文已被 AAAI 2026 接收。
Generated from reports · updated 15 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning TheorySelfAug：面向图数据增强的特征中心化方法
论文提出名为 SelfAug 的特征中心化图数据增强框架，绕过显式结构建模，直接在嵌入空间中通过自监督逆掩码过程恢复未观测结构信号，并引入消息正则化器与 bootstrap 策略提升噪声稀疏监督下的鲁棒性。在十个跨领域图数据集上，SelfAug 在归纳与冷启动设置中准确率和效率均优于现有最先进方法，论文已被 AAAI 2026 接收。
Heat trend
Current heat 6·Comparable peak 10（Oct 5）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.