联邦德国劳埃德船级社 swMATH ID: 41836 软件作者： 陈川、胡伟波、徐子跃、郑子斌 描述： FedGL：具有全球自我监督的联合图形学习框架。图形数据在现实世界中无处不在。图形学习试图挖掘和分析图形数据，以便发现有价值的信息。现有总账方法是为集中场景设计的。然而，在实际场景中，图形数据通常分布在不同的组织中，即孤立数据岛的诅咒。为了解决这个问题，我们将联邦学习融入到GL中，并提出了一个通用的联邦图学习框架FedGL，该框架能够通过在联邦训练期间发现全局自立信息来获得高质量的全局图模型，同时保护数据隐私。具体来说，我们建议将预测结果和节点嵌入上传到服务器，以发现全局伪标签和全局伪图，并将其分发给每个客户端，分别丰富训练标签和补充图结构，从而提高每个局部模型的质量。此外，全球自我监控使每个客户的信息能够以保密的方式流动和共享，从而缓解了异构性，并利用了不同客户之间图形数据的互补性。最后，实验结果表明，在四个广泛使用的图形数据集上，FedGL显著优于基线。 主页： https://arxiv.org/abs/2105.03170 相关软件： PySyft公司;Py垂直;同上;超波段;脚手架;联邦快递;联邦图形NN;花朵;叶子;蟒蛇;联邦范围 引用于： 0个文档