未知簇数的强化图聚类
机器学习
2023-08-15 v1 人工智能
摘要
深度图聚类旨在以无监督方式通过神经网络将节点分组为不相交的簇，近年来引起了极大关注。尽管性能已大幅提升，现有方法的优异表现严重依赖于准确预定义的簇数，而这在真实场景中并非总可获得。为使深度图聚类算法能在无预定义簇数指导下工作，我们提出一种称为强化图聚类（RGC）的新深度图聚类方法。在我们提出的方法中，簇数确定与无监督表示学习通过强化学习机制统一到一个框架中。具体地，首先通过对比预文本任务学习有判别力的节点表示。然后，为利用图中的局部和全局信息准确捕捉聚类状态，同时考虑节点和簇状态。随后，在每个状态下，由质量网络评估不同簇数的质量，并执行贪婪动作以确定簇数。为进行反馈动作，提出面向聚类的奖励函数以增强同簇的内聚性并分离不同簇。大量实验证明了我们所提方法的有效性和效率。RGC的源代码发布于https://github.com/yueliu1999/RGC，深度图聚类论文、代码和数据集合集发布于https://github.com/yueliu1999/Awesome-Deep-Graph-Clustering。
引用
@article{arxiv.2308.06827,
title = {Reinforcement Graph Clustering with Unknown Cluster Number},
author = {Yue Liu and Ke Liang and Jun Xia and Xihong Yang and Sihang Zhou and Meng Liu and Xinwang Liu and Stan Z. Li},
journal= {arXiv preprint arXiv:2308.06827},
year = {2023}
}