BriefGPT - AI 论文速递
·
结构增强对比学习用于图聚类
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
学习异质图的节点级表示对于欺诈者检测和蛋白质功能预测等应用至关重要。提出了一种新的多视图对比学习方法，通过集成扩散滤波器捕捉异质图中的结构等价性，发现传统节点表示中的关系和相似性。在数据集上优于基准方法，且在近邻任务上表现出卓越性能。
🎯
关键要点
- 学习异质图的节点级表示对欺诈者检测和蛋白质功能预测等应用至关重要。
- 提出了一种新的多视图对比学习方法，解决传统节点表示无法捕捉高阶图结构的问题。
- 通过集成扩散滤波器，捕捉异质图中的结构等价性，发现传统节点表示中的关系和相似性。
- 在合成和真实结构数据集上，该方法优于基准方法。
- 在Cornell数据集上比最佳基准方法提高了16.06%，在Texas上提高了3.27%，在Wisconsin上提高了8.04%。
- 该方法在近邻任务上表现出卓越性能，证明了其在揭示结构信息和改进下游应用方面的有效性。
➡️
