基于自表达图神经网络的无监督约束社区检测
社会与信息网络
2021-10-20 v2 机器学习
摘要
图神经网络（GNN）能够在节点分类和链接预测等多个图下游任务上取得有前景的性能。相对而言，设计可直接用于图上社区检测的 GNN 的工作较少。传统上，GNN 在半监督或自监督损失函数上训练，然后应用聚类算法来检测社区。然而，此类解耦方法 inherently 次优。设计无监督损失函数以集成方式训练 GNN 并提取社区是一项基本挑战。为应对该问题，我们首次在文献中将自表达原理与自监督图神经网络框架相结合，用于无监督社区检测。我们的方案以端到端方式训练，并在多个公开可用数据集上取得了最先进的社区检测性能。
引用
@article{arxiv.2011.14078,
title = {Unsupervised Constrained Community Detection via Self-Expressive Graph Neural Network},
author = {Sambaran Bandyopadhyay and Vishal Peter},
journal= {arXiv preprint arXiv:2011.14078},
year = {2021}
}
备注
This paper has been accepted as a full research paper at UAI 2021