arrow
返回

PGC-CSS: A parallel graph clustering framework with collaborative self-supervision

delete2025-07-03
delete0
PRE
AI
M
Meng Li
J
Jun Wu
B
Bo Yang
Y
Yuanyuan Li
屈磊 (Lei Qu)
DOI:10.1016/j.knosys.2025.114010delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
图聚类是数据分析中的一个基础但具有挑战性的任务,旨在根据图拓扑和节点特征将节点划分为连贯的组。近年来,基于图卷积网络(GCN)的深度聚类方法取得了显著成功。然而,大多数现有方法依赖于建立在原始图结构之上的单一学习管线,而该结构常因噪声或不稳定边而被破坏。因此,聚类性能变得不稳定。为解决上述问题,我们提出了一个新颖的并行图聚类框架,称为PGC-CSS。具体而言,我们引入了一种图精炼方法,通过从节点嵌入中揭示隐含的结构模式来缓解原始图中的噪声。精炼后的图随后在并行架构中与原始图集成,通过多图结构的互补建模实现鲁棒且具有判别性的表示学习。此外,我们设计了一个协作自监督模块,结合基于分布和伪标签的自监督策略,引导模型学习最优聚类表示。在六个基准数据集上的广泛实验证明了PGC-CSS在深度属性图聚类中的有效性和优越性。

期刊

K
Knowledge-Based Systems
IF:
7.6
论文数:
1.2W
被引数:
4.5W

机构

暂无机构信息
引用论文

引用论文

Homophily-enhanced Structure Learning for Graph Clustering
err2023-10-21
err0
errOAAI
errMing Gu; Gaoming Yang; Sheng Zhou; Ning Ma; Jiawei Chen; Qiaoyu Tan; Meihan Liu; Jiajun Bu
err分享
err收藏
Hierarchical graph learning for protein-protein interaction
err2023-02-25
err48
errOAAI
errGao, Ziqi; Jiang, Chenran; Zhang, Jiawen; Jiang, Xiaosen; Li, Lanqing; Zhao, Peilin; Yang, Huanming; Huang, Yong; Li, Jia
err分享
err收藏
err分享
err收藏
err分享
err收藏
err分享
err收藏
err分享
err收藏
Adaptive Attribute and Structure Subspace Clustering Network
err2022-01-01
err27
errOAAI
errPeng, Zhihao; Liu, Hui; Jia, Yuheng; Hou, Junhui
err分享
err收藏
学者 查看更多内容