2024年2月21日，计算与人工智能学院侯诚彬老师联合清华大学自动化系闾海荣老师等研究人员，在人工智能与知识图谱领域取得新进展，研究成果以“Label Informed Contrastive Pretraining for Node Importance Estimation on Knowledge Graphs”为题，发表于人工智能领域国际顶级期刊IEEE Transactions on Neural Networks and Learning Systems（IEEE TNNLS）。

研究团队提出了一种全新的基于标签信息的对比预训练框架，旨在提升知识图谱中节点重要性估计的效果。在实际应用中，高重要性的节点通常会受到更多关注，例如热门电影、知名网页等。为了针对性地优化这一点，研究设计了一种高重要性节点优先的层次化采样策略，用于对比学习。同时，考虑到知识图谱的复杂语义结构，研究还提出了一种基于知识图谱谓词感知的图神经网络。通过结合这种采样策略和模型架构，研究使用对比学习在预训练阶段对节点表示进行优化。实验结果表明，该框架在各项指标上显著提高了性能，验证了其有效性。

IEEE TNNLS是中科院计算机科学1区TOP期刊和中国计算机协会人工智能CCF-B类推荐期刊，长期致力于报道神经网络及相关学习系统的理论、设计和应用的最新研究成果。

论文链接：https://ieeexplore.ieee.org/abstract/document/10443036