Generalized cluster formation game for explainable attributed graph clustering

Huijia Li

doi:10.1016/j.chaos.2025.116947

Generalized cluster formation game for explainable attributed graph clustering

2025-08-07

0

PRE

AI

DOI：10.1016/j.chaos.2025.116947

原文链接

原文求助

摘要

En 中文

attributed graphs的高效聚类是一个关键且具有挑战性的问题，已引起各研究领域的高度关注。然而，仍存在一些挑战，特别是缺乏对属性聚类结构形成和演化的解释。此外，在处理大规模 attributed graphs 时，平衡聚类质量与计算效率仍然困难。为解决这些问题，本文通过自私节点代理参与的广义聚类形成博弈（Generalized Cluster Formation Game），自然地解释了潜在聚类形成和演化的内在机制。为有效整合拓扑和属性信息，我们为节点代理的策略选择提出了结构接近性和属性接近性约束。具体而言，广义聚类形成博弈中的每个节点代理可在预定义的约束机制下，以自利方式提升自身效用，但也可能以一定概率维持现状，即使存在更优选择。我们进一步证明，若所有节点代理同步重复上述过程，博弈几乎必然收敛于弱帕累托-纳什均衡。我们提出了一种基于广义聚类形成博弈的分布式学习算法，通过单一参数控制聚类结构中的重叠率。该算法速度极快，其计算时间几乎与稀疏网络的规模呈线性关系。最后，我们在真实和合成网络上进行了一系列仿真实验。大量实验结果通过与当前最优社群检测和 attributed graph 聚类方法的比较，证明了所提方法的有效性和可扩展性。

Keyword:

attributed graphs

cluster formation

game theory

distributed learning

community detection

Generalized cluster formation game for explainable attributed graph clustering

摘要

期刊

机构

引用论文