面向多视图图聚类的变分图生成器
机器学习
2024-12-24 v3
摘要
由于带有图结构信息的多视图数据激增，多视图图聚类（MGC）方法受到越来越多研究。MGC 的关键在于更好地利用多视图的特征与图中的视图特有信息与视图共有信息。然而，现有工作存在一个固有局限，即无法同时利用多个图之间的共识图信息与视图特有特征信息。为解决此问题，我们提出面向多视图图聚类的变分图生成器（VGMGC）。具体而言，提出一种新颖的变分图生成器以提取多个图之间的共有信息。该生成器基于多个图上的先验假设推断出一个可靠的变分共识图。随后，提出一个简单而有效的图编码器并结合多视图聚类目标，以学习用于聚类的期望图嵌入，该编码器将推断的视图共有图与视图特有图连同特征一起嵌入。最后，理论结果通过分析推断共识图的不确定性（基于信息瓶颈原理）阐明了 VGMGC 的合理性。大量实验表明我们的 VGMGC 优于 SOTA。源代码公开于 https://github.com/cjpcool/VGMGC。
引用
@article{arxiv.2210.07011,
title = {Variational Graph Generator for Multi-View Graph Clustering},
author = {Jianpeng Chen and Yawen Ling and Jie Xu and Yazhou Ren and Shudong Huang and Xiaorong Pu and Zhifeng Hao and Philip S. Yu and Lifang He},
journal= {arXiv preprint arXiv:2210.07011},
year = {2024}
}
备注
accepted by TNNLS