同质导向多层次融合图聚类算法

异质图上准确率升 11%

针对异质图中结构异质性导致的表示坍缩问题,通过同质率采样与层次抽象树构造细粒度高阶融合图,结合生成式与对比式无监督学习实现社区结构的多粒度融合。

Mengying, Dai · 李卫民 · Xinyi, Zhang · 刘方方 · 辛明军 · Wang, Can

Knowledge-Based Systems 2025

参数信息

准确率提升
11 %
数据集数量
6

技术优势

缓解表示坍缩

通过构造细粒度高阶融合图,并利用基于社区原型的对比损失指导动态掩码生成,使不同社区节点的表示保持区分度。

多粒度结构融合

通过层次抽象树将社区划分为多粒度,并融合元路径级与树级的节点嵌入,增强模型对不同元路径子图的适应能力。

无监督学习

无需标签数据,仅通过图自编码器和对比学习就能学习节点属性和复杂语义,适用于标注稀缺的场景。

应用场景