BriefGPT - AI 论文速递
·
DGCLUSTER：一种基于模块化最大化的属性图聚类的神经框架
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文介绍了一种基于DCHSBM的高可扩展性聚类方法，通过最大似然推断实现超图聚类，能恢复具有高阶结构的真实聚类。
🎯
关键要点
-
提出了一种基于泊松度校正超图随机块模型（DCHSBM）的聚类方法。
-
该方法利用最大似然推断实现超图聚类。
-
聚类目标扩展了图的流行性目标，具有高可扩展性。
-
使用了一种新的基于节点整合的变化。
-
通过分析学校联系网络、U.S. 国会议案、合作购买行为的产品类别和网站浏览会话的酒店位置等实验数据，验证了该方法的有效性。
-
该聚类方法能够恢复具有高阶结构的真实聚类。
🏷️
