VGAER：基于图神经网络重构的社区检测
社会与信息网络
2022-03-08 v4 人工智能
机器学习
摘要
社区检测是网络科学中基础且重要的问题，但基于图神经网络的社区检测算法寥寥无几，其中无监督算法几乎空白。通过将高阶模块度信息融合进网络特征，本文首次提出一种基于变分图自编码器重构的社区检测算法 VGAER，并给出其非概率版本。它们不需要任何先验信息。我们基于社区检测任务精心设计了相应的输入特征、解码器与下游任务，这些设计简洁、自然且表现良好（在我们的设计下 NMI 值提升了 59.1%–565.9%）。基于一系列涵盖广泛数据集与先进方法的实验，VGAER 取得了优越性能，并以更简单的设计展现出强劲竞争力与潜力。最后，我们报告了算法收敛分析与 t-SNE 可视化的结果，清晰刻画了 VGAER 的稳定性能与强大的网络模块化能力。我们的代码见 https://github.com/qcydm/VGAER。
引用
@article{arxiv.2201.04066,
title = {VGAER: Graph Neural Network Reconstruction based Community Detection},
author = {Chenyang Qiu and Zhaoci Huang and Wenzhe Xu and Huijia Li},
journal= {arXiv preprint arXiv:2201.04066},
year = {2022}
}
备注
Accepted by AAAI-22: DLG-AAAI'22 (https://deep-learning-graphs.bitbucket.io/dlg-aaai22/publications.html)