本网讯（计算机科学与技术学院 张紫砚）近日，计算机科学与技术学院江波教授团队在图对比表示学习方面取得新进展。成果发表在人工智能顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence (DOI: 10.1109/TPAMI.2025.3586651，TPAMI, 影响因子：18.6)期刊上，博士研究生张紫砚为论文的第一作者，江波教授为论文的通讯作者，汤进教授和罗斌教授为论文的合作者，安徽大学为唯一单位。
图数据增广为图对比学习以及图基础模型的构建提供了重要技术支撑。针对当前图数据增广方法（Graph Data Augmentation, GDA）缺乏通用性、难以适配复杂多样的图结构数据等挑战问题，团队提出一种图消息增广（Graph Message Augmentation, GMA）的全新图数据增广方法。GMA实现了对传统图的边、节点以及属性丢失或扰动等GDA的统一表征。同时，GMA进一步引入了一种适配图结构的Mixup增强技术。基于此，该团队进一步构建了图消息对比学习（GMCL）框架，通过归因驱动的增广数据增强机制显著提升模型泛化能力。实验表明，该方法在多类型图数据集上展现出卓越的适应性与有效性。该方法为图数据大模型的构建提供了新的技术支撑。
图 1基于图消息增广的对比学习网络框架
图 2 GDA和GMA在三种不同数据集上的比较结果