面向图级聚类的 Multi-Relation Graph-Kernel Strengthen Network
机器学习
2025-04-03 v1
摘要
图级聚类是数据挖掘的基本任务，旨在将无标签图划分为 distinct groups。然而，现有的深度方法因池化限制难以提取多样化和复杂的图结构特征，而传统图核方法依赖于穷举子结构搜索，无法适应处理多关系数据。这一限制阻碍了产生稳健且具代表性的图级嵌入。为此，我们提出了一种新型 Multi-Relation Graph-Kernel Strengthen Network for Graph-Level Clustering（MGSN），该网络将多关系建模与图核技术相结合，以充分发挥二者优势。具体而言，MGSN 构建多关系图以捕获节点与图之间的多样语义关系，并采用图核方法提取图相似性特征，以丰富表示空间。此外，设计了一种关系感知的表示细化策略，该策略在适应性地跨视图对齐多关系信息的同时，通过渐进式融合过程来增强图级特征。在多个基准数据集上的广泛实验表明，MGSN 在性能上优于最先进的方法。结果凸显了其能够利用多关系结构和图核特征的能力，为稳健的图级聚类树立了新范式。
引用
@article{arxiv.2504.01605,
title = {Multi-Relation Graph-Kernel Strengthen Network for Graph-Level Clustering},
author = {Renda Han and Guangzhen Yao and Wenxin Zhang and Yu Li and Wen Xin and Huajie Lei and Mengfei Li and Zeyu Zhang and Chengze Du and Yahe Tian},
journal= {arXiv preprint arXiv:2504.01605},
year = {2025}
}