GNN-node clustering
文章平均质量分 69
Complicated__76
master,GNN learning, contrastive learning, unspervised learning for graphs
展开
-
NeurIPS 2022: S3GC 可扩展图聚类
图聚类,图对比学习,采样原创 2023-01-13 16:06:40 · 485 阅读 · 5 评论 -
CVPR2020: DBGAN Distribution-induced Bidirectional Generative Adversarial Network for GRL
GAN + GNN +DBGAN +DPP原创 2022-10-28 20:35:47 · 675 阅读 · 0 评论 -
NIPS 21: COLES Contrastive Laplacian Eigenmaps
拉普拉斯降维 图对比原创 2022-10-19 16:35:27 · 266 阅读 · 0 评论 -
ICML 20: MVGRL Contrastive Multi-View Representation Learning on Graphs
Difusion SSL graph MVGRL ppr原创 2022-10-12 12:14:36 · 873 阅读 · 0 评论 -
ICML22:NAFS: A SIMPLE YET TOUGH-TO-BEAT BASELINE FOR GRAPH REPRESENTATION LEARNING(ICLR22转投)
文章信息pkU wentaozhang(NDLS,GAMLP)摘要提出了节点自适应特征平滑(NAFS),这是一种简单的非参数方法,在没有参数学习。NAFS首先通过特征平滑的方法提取每个节点及其不同跳跃的相邻节点的特征,然后将平滑后的特征自适应组合。此外,通过不同平滑策略提取平滑特征,可以进一步增强所构建的节点表示。我们在两种不同的应用场景下,在四个基准数据集上进行了实验。值得注意的是,具有特征集成的NAFS在这些任务上优于最先进的GNN,并减轻了大多数基于学习的GNN对应物的上述两个限制。介绍GN原创 2022-05-31 15:12:03 · 439 阅读 · 0 评论 -
ICML22 arixv目前:Structural and Semantic Contrastive Learning for Self-supervised Node Representation
文章信息摘要本文是 采用了近几年多个技术来进行 拼接。 包含对比学习,标签传播,原型网络,图扩散方法1. 结构化对比学习通过图扩散,生成多个增强的图,作者利用这种 特征传播和 特征转化解耦的方式 ,并通过多跳来获得全局结构关系就是计算了多个 跳 的对比损失(4),(3)就是NCEloss。 (2)是SGC的形式,解耦。2. 语义对比学习采用原型网络来获取节点的语义关系,如何确定原型的数目至关重要(kmeans等不知道最优的k)作者首先说引入DPMM(迪利克雷处理混合模型)假设节点原创 2022-04-14 23:40:07 · 498 阅读 · 1 评论 -
IJCAI 21 :Graph Debiased Contrastive Learning with Joint Representation Clustering
文章信息摘要联合聚类+表征学习,基于 无偏采样 减少 对比学习中 负样本的 假阳性(即,负样本,可能和正样本有相同的类别)介绍假阳性问题:在负采样中的存在,导致 采样出的负样本和 正样本节点相同标签导致 被当作负样本,影响性能。related workGAE DGI等方法1.对比学习对比学习未考虑类间信息,故之后采用 伪标签 聚类来联合优化2 DEC的框架3.无偏采样:在得到精确的聚类结果后,我们可以从聚类中随机选择不同于正样本聚类的负样本。这样,聚类结果可以作为监测信号,有效原创 2022-04-02 14:07:08 · 1323 阅读 · 0 评论 -
IJCAI 19 : Attributed Graph Clustering via Adaptive Graph Convolution ---- PolyU Qimai Li
文章信息摘要然而,对于图卷积如何影响聚类性能以及如何正确地使用它来优化不同图的性能的了解有限。现有的方法本质上使用固定的低阶的图卷积,只考虑每个节点几跳内的邻居,没有充分利用节点关系,忽略了图的多样性。本文提出了一种自适应图卷积方法,该方法利用高阶图卷积来捕获全局聚类结构,并自适应地为不同的图选择合适的顺序。1. introduction虽然图卷积在整合结构和特征信息方面被证明非常有效,但关于如何应用于最大化聚类性能的研究很少。大多数现有的方法直接使用GCN作为特征提取器,其中每个卷积层与投影层原创 2022-03-28 19:46:42 · 1479 阅读 · 0 评论 -
ICML-16 IJCAI-19 WWW-2020 joint embedding and clustering
联合聚类和表征学习原创 2022-03-25 14:01:40 · 376 阅读 · 0 评论