.png){kind=icon}
返回
Attributed network community detection based on graph contrastive learning and multi-objective evolutionary algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.130029.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
属性网络社区检测在网络结构分析和实际应用中具有显著的研究价值。然而，现有方法在处理拓扑结构与属性特征之间的冲突，以及平衡社区检测中的结构紧密度和属性相似性方面仍面临重大挑战。针对这一问题，我们提出了一种基于图对比学习和多目标进化算法（GCL-MOEA）的属性网络社区检测方法。具体而言，GCL-MOEA包含两个核心部分：节点嵌入和社区检测。考虑到拓扑结构与属性特征之间的冲突，节点嵌入部分构建了拓扑增强和属性增强视图，并利用交叉视图图对比学习模型综合提取节点特征，以获得节点嵌入向量，有效保持结构与属性之间的一致性和互补性。社区检测部分利用节点嵌入的聚类结果构建高质量初始种群，随后采用多目标进化算法获取节点连接紧密且属性相似的社区结构。该方法的有效性在五个真实网络数据集上得到验证。实验结果表明，GCL-MOEA在ACC、NMI、ARI和F1指标上均优于基线方法，获得了更优的社区检测效果。
Keyword:
Attributed network
Community detection
Graph contrastive learning
Multi-objective evolutionary
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
引用论文
A Multiobjective Evolutionary Algorithm Based on Structural and Attribute Similarities for Community Detection in Attributed Networks基于结构和属性相似性的多目标进化算法在属性网络社区发现中的应用
PREAI
分享收藏Method Toward Network Embedding Within Homogeneous Attributed Network Using Influential Node Diffusion-Aware方法：在均质属性网络中使用有影响力节点扩散感知进行网络嵌入
PREAI
分享收藏分享收藏Deep emb e dde d clustering with distribution consistency preservation for attributed networks.png)
PATTERN RECOGNITION
OAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏Attributed network community detection based on network embedding and parameter-free clusteringAPPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容