Hypergraph-Enhanced Semisupervised Graph Reconstruction Learning for Overlapping Community Detection

doi:10.1109/tcss.2026.3698204

Hypergraph-Enhanced Semisupervised Graph Reconstruction Learning for Overlapping Community Detection

2026-06-16

0

PRE

AI

DOI：10.1109/tcss.2026.3698204

原文链接

原文求助

摘要

En 中文

属性网络中的重叠社区检测已成为一个具有重要学术和工程价值的研究领域。然而，现有方法无法同时有效解决网络数据中高维属性和噪声的问题。此外，在图重构过程中，图的高阶信息常被忽略，且信息失真问题也未得到充分处理。为此，本研究提出了一种新型方法，命名为超图增强半监督图重构学习（HSGRL）。首先，提出了一种新的双注意力卷积编码器，基于双多头注意力精细提取高维属性，并在编码器中嵌入均匀矩阵分布的新型噪声调谐策略以有效处理数据噪声。其次，提出了一种新的超图解码器以捕获图的高阶信息并优化信息失真，从而提高图重构的准确性。第三，构建了半监督模块以整合图的先验信息，并利用模块度最大化模块增强HSGRL在检测重叠社区时的社区导向能力。最后，通过在合成网络和真实网络上的广泛实验验证，HSGRL优于当前主流方法。

Keyword:

Attributed networks

community detection

graph reconstruction

hypergraph

multihead attention

Hypergraph-Enhanced Semisupervised Graph Reconstruction Learning for Overlapping Community Detection

摘要

期刊

机构