adaptive-masking
적응형 마스킹
무작위 마스킹 대신 학습 가능한 샘플러가 마스킹 대상 노드를 선택하는 기법으로, 그래프의 핵심 노드는 마스킹에서 제외해 보조 노드를 예측하는 자기지도학습 신호를 강화한다. 본 연구에서는 노드 샘플러가 MHA와 선형층으로 확률분포를 생성하고 RL 유사 손실로 확률을 갱신한다. 핵심노드 보존으로 인해 재구성 불가능한 핵심 정보를 마스킹해 학습 효율이 향상된다.
중급
적응형 마스킹
무작위 마스킹 대신 학습 가능한 샘플러가 마스킹 대상 노드를 선택하는 기법으로, 그래프의 핵심 노드는 마스킹에서 제외해 보조 노드를 예측하는 자기지도학습 신호를 강화한다. 본 연구에서는 노드 샘플러가 MHA와 선형층으로 확률분포를 생성하고 RL 유사 손실로 확률을 갱신한다. 핵심노드 보존으로 인해 재구성 불가능한 핵심 정보를 마스킹해 학습 효율이 향상된다.