グラフクラスタリングは、ネットワーク内のグループまたはコミュニティを検出します。オートエンコーダー(AE)などの深層学習手法は、効果的なクラスタリングとダウンストリーム表現を抽出しますが、豊富な構造情報を組み込むことはできません。グラフニューラルネットワーク(GNN)はグラフ構造のエンコードで大きな成功を収めていますが、畳み込みまたは注意の変形に基づく一般的なGNNは、過度の平滑化、ノイズ、異形性に悩まされ、計算コストが高く、通常、完全グラフが存在する必要があります。代わりに、自己監視型対照グラフクラスタリング(SCGC)を提案します。これは、対照的な損失信号を介してグラフ構造を課し、識別ノード表現と反復的に洗練されたソフトクラスターラベルを学習します。また、より効果的で斬新な、より豊富な構造情報を融合するための影響増強対照(IAC)損失と、元のモデルパラメーターの半分を備えたSCGC*を
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く