研究人员推出了一种新颖的无监督算法——曲率引导束扩散（CGSD），用于异质图中的社群检测。该方法在整个流程中独特地利用边的离散Forman-Ricci曲率作为其主要信号。CGSD包含一种新颖的编码器和一种感知曲率的光谱聚类器（CSpec），在多个异质基准测试上，其性能优于标准的k-means聚类。 AI
影响 这项研究为图社群检测提供了一种新的无监督方法，有望改进AI应用中复杂网络数据的分析。
排序理由 该集群包含一篇详细介绍新算法及其在基准测试上评估的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.30249v1 Announce Type: cross Abstract: Detecting communities in heterophilic graphs -- where connected nodes often belong to different classes -- is hard for unsupervised methods: classical modularity and spectral methods are feature agnostic, while deep graph-clusteri…
Detecting communities in heterophilic graphs -- where connected nodes often belong to different classes -- is hard for unsupervised methods: classical modularity and spectral methods are feature agnostic, while deep graph-clustering methods rely on contrastive or generative machi…