分布一致性深度嵌入聚类模型

双视图分布对齐

该模型同时编码网络拓扑和节点属性，并通过分布一致性约束保持两个视图的聚类结构一致，解决了现有方法忽略跨视图一致性的问题。

Zheng, Yimei · 贾彩燕 · 于剑 · Li, Xuanya

Pattern Recognition 2023

技术优势

双视图聚类结构保持一致

通过分布一致性约束，强制拓扑视图和属性视图的聚类分布对齐，从而融合互补信息。

端到端联合学习

图自编码器和节点属性自编码器共同优化，节点表示和聚类分配同时获得，避免了分步方法的次优性。

显著优于现有方法

在多个数据集上的实验表明，所提模型的性能显著优于或与最先进方法相当。

应用场景

• 图数据挖掘：提供更准确的节点聚类，用于图数据模式发现。
• 社区发现：综合拓扑和属性信息，发现语义更连贯的社区。
• 属性网络分析：端到端处理属性网络，无需人工特征工程。
• 复杂系统建模：捕捉复杂系统多视图的一致性结构，辅助建模。