摘要
摘要
对比图聚类通过正负样本对比优化节点嵌入,已成为图数据分析的重要方
法。现有大多对比图聚类方法基于数据增强策略,但数据增强策略的选择对聚
类性能有显著影响,会引入噪声。其他对比图聚类方法通过将邻居节点作为正
负样本进行对比,无需数据增强。此外,在多视图场景下,现有方法计算通过
学习不同视图的共识表示,再进行聚类。但这些方法仍面临两个局限性:其一、
无需数据增强的对比学习方法仅关注学习局部邻居节点的相似性,对不同距离
的
摘要
摘要
对比图聚类通过正负样本对比优化节点嵌入,已成为图数据分析的重要方
法。现有大多对比图聚类方法基于数据增强策略,但数据增强策略的选择对聚
类性能有显著影响,会引入噪声。其他对比图聚类方法通过将邻居节点作为正
负样本进行对比,无需数据增强。此外,在多视图场景下,现有方法计算通过
学习不同视图的共识表示,再进行聚类。但这些方法仍面临两个局限性:其一、
无需数据增强的对比学习方法仅关注学习局部邻居节点的相似性,对不同距离
的
文档评论(0)