Multiview Temporal Graph Clustering

Meng Liu

doi:10.1109/TNNLS.2025.3584384

Multiview Temporal Graph Clustering

0

PRE

AI

Xinwang Liu (Xinwang Liu)

DOI：10.1109/TNNLS.2025.3584384

原文链接

原文求助

摘要

En 中文

作为一项新兴任务，时序图聚类（TGC）致力于通过基于交互序列批处理模式的聚类方法对时序图中的节点进行聚类。这些模式比基于邻接矩阵的静态图聚类在平衡时间和空间需求方面提供了更大的灵活性。然而，作为一项新任务，TGC仍存在重要且未解决的挑战，例如信息不足。这一挑战在现实世界的数据集中表现为多种问题，包括缺失特征（特征值缺失甚至不存在）、长尾节点（大多数不活跃节点交互较少）以及噪声数据（数据存在异常、错误和稀疏性）。这些问题发生在训练之前，使得模型难以在信息不足的情况下有效训练。为解决该挑战，我们提出了一种将多视图聚类（MVC）引入TGC的方法，称为MVTGC。我们的方法旨在通过构建多个视图对时序图进行数据增强，以增加信息的丰富度。具体而言，我们利用不同技术对时序图的特定部分进行建模，生成关注不同角度的增强视图。这些视图通过早期融合和晚期融合结合到训练中，最终增强模型的感受野和信息丰富度。在现实世界数据集上的比较实验和案例研究证明了MVTGC的重要性和有效性，其性能提升最高可达10.48%。代码和数据可在https://github.com/MGitHubL/MVTGC获取。

Keyword:

Graph learning

multiview clustering (MVC)

temporal graph clustering (TGC)

Multiview Temporal Graph Clustering

摘要

期刊

机构

引用论文