Договоренность и последовательность: совместная основа для глубокого графического кластерирования

arXiv: 2610.11506v1 Аннонс Тип: новое резюме: Группирование графов является основной задачей анализа данных, направленной на группировку узлов с аналогичными характеристиками в графике по группам. Эта проблема широко рассматривалась с использованием графических нейронных сетей (ГНН) в силу их способности использовать атрибуты узла и графическую топологию для эффективного кластерного задания. Однако представления, полученные с помощью GNN, обычно пытаются зафиксировать глобальные связи между узлами через местные механизмы передачи сообщений. Кроме того, избыточность и уровень шума, присущие графическим данным, могут легко привести к тому, что узлы не будут иметь компактности и надежности. Для решения этих вопросов мы предлагаем совместную рамочную основу для совместного сотрудничества, в которой отражены компактность и последовательность полученных данных о узлах для глубокого группирования графиков. Технически, наш КоКо использует вращающиеся фильтры графа для того, чтобы выучить надежные представления узла как из местных, так и глобальных точек зрения, а затем кодирует их в низкочастотный компак