BriefGPT - AI 论文速递
·
现实世界图聚类的可证明过滤器
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文章提出了一种新的图聚类方法，通过识别同质性和异质性边构建高同质性和高异质性的图，用于构建低通滤波器和高通滤波器，以捕获综合信息并增强重要特征。实验证明该方法在同质图和异质图上优于现有聚类方法。
🎯
关键要点
- 现有图神经网络方法在图聚类问题上进展缓慢。
- 大多数聚类方法只关注同质图，忽视异质图，限制了适用性。
- 本文提出了一种新颖的解决方案，具有理论支持。
- 通过邻居信息识别同质性和异质性边，构建高同质性和高异质性的图。
- 该方法用于构建低通滤波器和高通滤波器，以捕获综合信息。
- 通过压缩 - 激励块增强重要特征。
- 实验证明该方法在同质图和异质图上优于现有聚类方法。
➡️
