通过结构信息融合的自监督对比图聚类网络
原文中文，约300字，阅读约需1分钟。发表于：。本文针对现有图聚类方法在获取可靠的先验分布过程中忽视深层监督信号的问题，提出了一种新颖的深度图聚类方法CGCN。该方法通过引入对比信号和深层结构信息，增强了不同模块间的信息互操作性，从而显著提升了基于预训练的聚类分布的可靠性，并在多个实际图数据集上验证了其有效性。
本文介绍了Simple Contrastive Graph Clustering (SCGC)算法，通过改进网络架构、数据增强和目标函数提高聚类算法性能。实验证明，该算法在七个基准数据集上比竞争对手快至少七倍，并取得显著性能优势。
