.png){kind=icon}
返回
Structure-aware walking: contrastive learning method for graph clustering
.png){kind=icon}
PRE
AI
DOI：10.1007/s13042-026-03139-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
图聚类是图数据挖掘中的一个重要且具有挑战性的任务。近年来，对比学习已被应用于该领域以学习“聚类保持”表示，逐渐成为主流研究方向并显著提升了聚类性能。然而，大多数现有最先进的方法严重依赖图增强技术。这些方法在增强时频繁改变图的结构方式或节点的细节，可能导致语义丢失并降低学习表示的可信度，使得性能进一步提升更加困难。此外，此类方法本质上依赖于增强图的质量。为解决这些问题，本文提出了一种名为结构感知行走：图聚类对比学习方法（SWCL-GC）的新型无增强方法。首先，我们引入一种结构感知行走（SAW）策略，能够捕捉潜在的高阶邻居关系并将其应用于正/负样本对的构建。然后，采用改进的GraphSAGE编码器编码结构和联合属性信息，生成高质量的节点表示。最后，利用对比学习改进节点表示，在保持属性语义的同时帮助理解数据结构。在四个常用图数据集上进行的大量实验表明，SWCL-GC在聚类性能方面优于最先进的图聚类方法。
Keyword:
Graph node clustering
Graph contrastive learning
Random walk
Unsupervised learning
Deep graph clustering
Deep graph learning
期刊
IF:
2.7
论文数:
3.2K
被引数:
5.6K
机构
引用论文
.png){kind=icon}
Graph regularized symmetric non-negative matrix factorization with degree-related spectral clustering and topological structure for link prediction in complex network图正则化对称非负矩阵分解与度相关的谱聚类及拓扑结构相结合的复杂网络链接预测
PREAI
分享收藏User preference representation and dual contrastive learning for knowledge-aware recommendation用户偏好表示与双对比学习在知识感知推荐中的应用
PREAI
分享收藏Dynamic clustering collaborative filtering recommendation algorithm based on double-layer network
PREAI
分享收藏
分享收藏A dual stream attention network for facial expression recognition in the wild一种用于野外人脸表情识别的双流注意力网络
PREAI
分享收藏Structural entropy minimization combining graph representation for money laundering dentification用于洗钱识别的结构熵最小化结合图表示
OAAI
OAAI分享收藏 没有更多内容
没有更多内容