基于 Gumbel Softmax 的社区检测聚类

近来，在语音识别与视觉处理等诸多系统中，深度学习已被广泛采用。在本研究中，我们探索在图数据集的社区检测中使用深度学习的可能性。图在不同领域日益受到关注，包括社交网络、信息图、推荐系统以及生命科学。本文中，我们提出一种对各类图数据集节点进行社区检测聚类的方法。我们对属于关联网络、动物网络、人类接触网络、人类社会网络、杂项网络的不同类别数据集进行聚类。深度学习在建模网络中节点间交互方面的作用，为图网络分析相关科学领域带来变革。本文将 gumbel softmax 方法推广至图网络聚类。在特定图数据集上的实验结果表明，新方法有显著优于传统聚类的表现，有力展示了深度学习在图社区检测聚类中的功效。我们使用多个数据集对图聚类算法进行了一系列实验：Zachary 空手道俱乐部、Highland 部落、火车爆炸、美国革命、海豚、斑马、风帆冲浪者、悲惨世界、政治书籍。