Divide-Then-Rule：基于聚类的属性缺失图的层次插值方法

深度图聚类（DGC）是一种针对属性缺失图的无监督任务，旨在将具有不完整属性的节点划分为多个聚类。针对这一具有挑战性的问题，当前领域研究仍不够深入。现有的属性缺失图插值方法往往未能考虑节点邻域可用信息量的差异，导致结果不可靠，尤其是对于邻域已知信息不足的节点。为此，我们提出了一种新方法，称为Divide-Then-Rule图完成（DTRGC）。该方法首先处理邻域已知信息充足的节点，将插值结果作为新知识用于迭代插值更具挑战性的节点，同时利用聚类信息纠正插值误差。具体而言，动态聚类感知特征传播（DCFP）通过根据聚类结构调整传播权重来初始化缺失节点属性。随后，层次化邻域感知插值（HNAI）将属性缺失节点分为三组 based on其邻域属性的完整性。按照邻域信息最丰富的组优先进行插值，然后使用聚类结构来细化插值并纠正潜在误差。最后，逐阶表示增强（HRE）整合多个跳数的信息，从而丰富节点表示的表达能力。在六个广泛使用的数据集上的实验结果表明，DTRGC显著提高了在属性缺失图上进行各种DGC方法的聚类性能。