新的AGREE框架统一了用于图聚类的异构属性

研究人员推出了一种新颖的框架AGREE，旨在应对异构属性图聚类的挑战。该端到端系统通过多级对齐和基于相似性的构建，将数值和类别数据等多种属性类型与图拓扑统一起来。AGREE采用基于四元数的图卷积来增强属性交互并减轻表示退化，同时利用浅层图架构来解决过平滑效应。该框架联合优化图重构和聚类的嵌入，在准确性、鲁棒性和适应性方面在各种基准测试中均表现出色。 AI

影响 这项研究可以提高具有复杂异构数据的领域中基于图的机器学习模型的准确性和适应性。

排序理由 该项目是一篇研究论文，详细介绍了一种用于图聚类的新框架和方法。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Agree
• alphaXiv
• CatalyzeX Code Finder for Papers
• Categorical Attributes
• clustering algorithm
• CORE Recommender
• DagsHub
• Gotit.pub
• graph convolutional network
• Graph reconstruction using covariance-based methods
• Heterogeneous Attributed Graph Clustering
• Hugging Face
• IArxiv Recommender
• Numerical Attributes
• Quaternion Representation Learning
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →