（通讯员张佳鑫）西安电子科技大学协同智能系统教育部重点实验室范晓龙老师、公茂果教授在IEEE Transactionson Knowledge and Data Engineering (IEEE TKDE)上在线发表题为“Maximizing Mutual Information Across Feature and Topology Views for Representing Graphs”的学术论文，为自监督图表征学习提供了一种有效的互信息最大化方法。

论文提出了一种跨特征与拓扑视图的互信息最大化图表征学习方法，通过节点对之间的距离来捕获特征空间中节点的底层结构构建特征视角。为了对特征和拓扑空间共享的信息进行建模，该项工作设计了一种通用表示学习模块，通过最小化重建损失迫使模型学习特征和拓扑空间的共享信息。此外，为了增强来自同一视角的图表征之间的多样性，论文引入了分歧正则项以扩大来自同一视图的表示之间的距离。

IEEE TKDE是中国计算机学会(CCF)推荐的A类顶级国际期刊，在数据挖掘领域享有极高的学术声誉。

论文链接：https://ieeexplore.ieee.org/document/10093032