研究人员开发了一个新的对比图聚类框架，旨在改进复杂图的分析。该方法使用注意力机制自适应地整合多尺度局部结构与全局语义。它通过融合来自不同传播深度的拓扑信号来捕获邻域特征，并通过聚合从演化聚类中心派生的语义原型来增强簇间可分性。该框架采用双视图对比学习范式和混合目标进行训练，以提高表示的鲁棒性和区分度，并在八个真实世界数据集上表现出有竞争力的性能。 AI
影响 这项研究为分析复杂图结构提供了一种更鲁棒的方法，有可能改进社交网络分析和推荐系统等领域的应用。
排序理由 该集群包含一篇详细介绍图聚类新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Dual-view contrastive learning
- GNN-based topological signals
- Instance-level losses
- Self-supervised contrastive learning
- Structure-aware losses
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
