English(EN) Clustering Node Attributed Networks with Graph Neural Networks and Self Learning

图神经网络通过自学习增强网络聚类

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-11 15:05

研究人员开发了一个新颖的图聚类框架，该框架利用图神经网络（GNNs）和自学习方法。该方法通过使用GNNs对节点进行聚类，然后根据这些聚类更新图以进行下一轮的表示生成，从而迭代地优化节点表示。该框架还包含一个上下文图来增强节点表示。实证结果表明，该方法在提取网络边和节点属性信息方面非常有效，优于只关注一个方面的现有方法，尤其是在属性信息不那么丰富的情况下。与单次训练轮次相比，迭代学习过程也显示出更优越的性能。 AI

排序理由这是一篇研究论文，详细介绍了使用GNN和自学习进行图聚类的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Daniel Ratton Figueiredo · 2026-06-11 15:05

Clustering Node Attributed Networks with Graph Neural Networks and Self Learning

Graph clustering - partitioning the node set of a graph into disjoint subsets that reflect some latent information - is a fundamental problem as it finds applications in a myriad of different scenarios. While this classic problem has been tackled for decades by different communit…

报道来源 [1]

Clustering Node Attributed Networks with Graph Neural Networks and Self Learning

相关实体

相关话题