PulseAugur
实时 21:11:06
English(EN) Curvature-Guided Sheaf Diffusion for Unsupervised Community Detection on Heterophilic Graphs

新的CGSD算法增强了异质图上的无监督社群检测

研究人员开发了一种名为曲率引导束扩散(CGSD)的新型无监督算法,用于检测异质图中的社群。该方法利用边的离散Forman-Ricci曲率作为其主要的拓扑信号,并通过端到端流水线进行传播。CGSD包括一个曲率门控束扩散编码器和一个曲率感知谱聚类器,并使用无标签结构损失进行训练。该算法在多个异质图基准测试中表现出竞争力,在Wisconsin和Chameleon数据集上优于其他无监督方法。 AI

影响 这项新算法为复杂图结构中的无监督社群检测提供了一种新颖的方法,有望改进依赖网络科学的领域的数据分析。

排序理由 该集群包含一篇详细介绍图分析新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

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

新的CGSD算法增强了异质图上的无监督社群检测

报道来源 [1]

  1. Hugging Face Daily Papers TIER_1 English(EN) ·

    面向异质图的无监督社群检测的曲率引导束扩散

    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…