基于自适应增强的多视图对比推荐算法 被引量：1

1

作者 姚迅 王海鹏 +1 位作者 胡新荣 杨捷 《计算机工程》 北大核心 2025年第5期103-113,共11页

近年来,基于神经网络架构的推荐系统取得了显著成功,但在处理富含流行偏见和交互噪声的数据时,未能达到期望的效果。对比学习作为一种从无标记数据中学习的新兴技术备受关注,为解决这一问题提供了潜在方案。提出一种端到端的图对比推荐... 近年来,基于神经网络架构的推荐系统取得了显著成功,但在处理富含流行偏见和交互噪声的数据时,未能达到期望的效果。对比学习作为一种从无标记数据中学习的新兴技术备受关注,为解决这一问题提供了潜在方案。提出一种端到端的图对比推荐算法AMV-CL。首先,基于节点的潜在表征构建用户-项目交互图的互补图;其次,引入自适应增强技术,分别从节点和边缘角度生成多视图数据,并通过重参数化网络调整图结构;最后,规范化对比损失中锚节点的正样本来源,同时利用多视图对比损失来学习用户/项目的潜在表征。在公共数据集上的实验结果显示,相较于最优基准方法SimGCL,AMV-CL在评价指标Recall@20和NDCG@20上的提升最高可达到12.03%和12.64%,表明所提方法能够有效提升推荐性能。 展开更多

关键词 图神经网络 推荐系统 多视图 对比学习 自适应增强

在线阅读 下载PDF 职称材料

基于多视图多尺度对比学习的图协同过滤

2

作者 党伟超 温鑫瑜 +1 位作者 高改梅 刘春霞 《计算机应用》 北大核心 2025年第4期1061-1068,共8页

针对图协同过滤推荐方法存在的单一视图局限性和数据稀疏性问题,提出一种基于多视图多尺度对比学习的图协同过滤(MVMSCL)模型。首先,根据用户-项目交互构建初始交互图,并考虑用户-项目中存在的多种潜在意图,以构建多意图分解视图;其次,... 针对图协同过滤推荐方法存在的单一视图局限性和数据稀疏性问题,提出一种基于多视图多尺度对比学习的图协同过滤(MVMSCL)模型。首先,根据用户-项目交互构建初始交互图,并考虑用户-项目中存在的多种潜在意图,以构建多意图分解视图;其次,利用高阶关系改进邻接矩阵,以构建协同邻居视图;再次,去除不重要的噪声交互,以构建自适应增强的初始交互图和多意图分解视图;最后,引入局部、跨层和全局3种尺度的对比学习范式生成自监督信号,从而提高推荐性能。在Gowalla、Amazon-book和Tmall 3个公共数据集上的实验结果表明,MVMSCL的推荐性能均优于对比模型。与最优基线模型DCCF(Disentangled Contrastive Collaborative Filtering framework)相比,MVMSCL的召回率Recall@20分别提升了5.7%、14.5%和10.0%,归一化折损累计增益NDCG@20分别提升了4.6%、17.9%和11.5%。 展开更多

关键词 推荐系统 协同过滤 图神经网络 多视图 对比学习

在线阅读 下载PDF 职称材料

基于注意力机制的多视图图神经网络社区问答专家推荐模型

3

作者 吴丽萍 熊玮楠 +1 位作者 苏磊 王瑞 《中文信息学报》 北大核心 2025年第4期105-116,共12页

社区问答专家推荐模型包括目标问题信息提取和专家信息提取两个子任务,现有研究通过计算目标问题与专家信息之间的相关性得分来为目标问题推荐合适的专家回答者。然而,现有研究通常在单一的问题标题视图上展开,往往忽略了问题标签、正... 社区问答专家推荐模型包括目标问题信息提取和专家信息提取两个子任务,现有研究通过计算目标问题与专家信息之间的相关性得分来为目标问题推荐合适的专家回答者。然而,现有研究通常在单一的问题标题视图上展开,往往忽略了问题标签、正文视图所蕴含的互补信息,并且没有从专家信息中学习出对应于目标问题的知识能力。为了充分计算目标问题与专家信息之间的相关性,该文提出了一种基于注意力机制的多视图图神经网络社区问答专家推荐模型,使用多视图图神经网络学习目标问题集和专家问题集的多视图表示,使用注意力机制学习专家对应于目标问题的知识能力。实验结果表明,在两个公开数据集上,该文提出的方法均优于基准方法。 展开更多

关键词 社区问答 专家推荐 多视图图神经网络 注意力机制

在线阅读 下载PDF 职称材料

基于知识感知与交互的多视图蒸馏推荐算法

4

作者 张悦岚 苏静 +1 位作者 赵航宇 杨白利 《计算机应用》 北大核心 2025年第7期2211-2220,共10页

目前,基于协同过滤的图神经网络(GNN)推荐系统存在严重的数据稀疏和冷启动问题。很多相关算法引入项目的外部知识进行补充性扩展使这些问题得以缓解,然而这些算法忽略了稀疏协同信号和冗余补充内容直接结合所导致的信息利用严重不平衡... 目前,基于协同过滤的图神经网络(GNN)推荐系统存在严重的数据稀疏和冷启动问题。很多相关算法引入项目的外部知识进行补充性扩展使这些问题得以缓解,然而这些算法忽略了稀疏协同信号和冗余补充内容直接结合所导致的信息利用严重不平衡以及不同数据之间的共享传递问题。因此,设计一种基于知识感知与交互的多视图蒸馏推荐算法(MKDRec)。首先,针对协同数据的稀疏性,对交互图采用随机丢弃以增强形成的协同视图,再将该视图下的节点表征进行邻域对比学习;其次,关于知识冗余问题,对知识视图中的每种关系的边进行编码,并基于头尾实体和连接关系重构项目知识视图,使信息得到充分利用;最后,基于项目与实体间的等价关系构建具有远程连接的关联视图。至此,对3个视图以不同卷积聚合方式学习图节点表征来提取多种用户与项目的信息,并得出多个用户与项目的嵌入表示。此外,将两两视图的节点特征向量进行知识蒸馏融合以实现信息的共享和传递。MKDRec在数据集Book-Crossing、MovieLens-1M和Last. FM上的实验结果显示,相较于最好的基线方法结果,MKDRec的曲线下面积(AUC)分别提升了2.13%、1.07%和3.44%,而F1分数分别提升了3.56%、1.14%和4.46%。 展开更多

关键词 推荐算法 图神经网络 多视图融合 知识蒸馏 局部增强

在线阅读 下载PDF 职称材料

基于多视图对比学习的属性网络异常检测

5

作者 常秉成 赵旭俊 +1 位作者 彭成双 练颖 《计算机工程与设计》 北大核心 2025年第5期1410-1417,共8页

现有的属性网络异常检测方法不能高效捕获网络结构和属性信息,没有充分利用网络中上下文信息,无法简单有效地生成多个图结构。针对以上问题,提出一种基于多视图对比学习的属性网络异常检测算法(MVCLAN)。利用基于注意力机制的数据增强... 现有的属性网络异常检测方法不能高效捕获网络结构和属性信息,没有充分利用网络中上下文信息,无法简单有效地生成多个图结构。针对以上问题,提出一种基于多视图对比学习的属性网络异常检测算法(MVCLAN)。利用基于注意力机制的数据增强技术生成多视图,整合不同视角的数据,获得更丰富的特征表示;提出一种基于图卷积神经网络的对比学习模型,利用鉴别器模块作视图内对比,对比实例对中元素间的嵌入表示。利用重构模块作视图间对比,对比节点在不同子图的特征表示,对比子图间的重构差异。充分利用结构信息与周围上下文信息,提高异常检测的准确性。结合鉴别器的相似性分数和节点在多视图间的重构分数进行异常检测。 展开更多

关键词 属性网络 异常检测 图卷积神经网络 多视图生成 对比自监督学习 注意力机制 网络重构

在线阅读 下载PDF 职称材料

基于多视图表征的虚假新闻检测 被引量：1

6

作者 张新有 孙峰 +1 位作者 冯力 邢焕来 《信息网络安全》 CSCD 北大核心 2024年第3期438-448,共11页

社交网络已经成为人们日常生活中获取和分享信息的主要渠道,同时也为虚假新闻的传播提供了捷径。如今,针对网络虚假新闻的检测问题受到学术界的广泛关注,但目前的检测方法缺乏基于新闻多个视角的深度探索或忽视了新闻中不同信息传播方... 社交网络已经成为人们日常生活中获取和分享信息的主要渠道,同时也为虚假新闻的传播提供了捷径。如今,针对网络虚假新闻的检测问题受到学术界的广泛关注,但目前的检测方法缺乏基于新闻多个视角的深度探索或忽视了新闻中不同信息传播方向不同的问题,有待改进。文章提出一种基于新闻内容、用户信息和新闻传播3种视角的多视图表征和检测的模型MVRFD(Multi-View Representations for Fake News Detection),为虚假新闻检测任务提供更全面的视角。首先,利用协同注意力机制表征新闻内容中的多模态信息,使用具有不同方向的图神经网络聚合新闻传播过程中的用户信息和观点信息;然后,利用双协同注意力机制实现多个视角间的信息交互;最后,将新闻内容特征和新闻上下文特征进行融合。在公开数据集上的实验结果表明,文章所提出的模型实现了96.7%的准确率和96.8%的F1值,优于主流的文本处理模型以及基于单视角的检测模型。 展开更多

关键词 虚假新闻检测 图神经网络 多模态表征 注意力机制 多视图表征

在线阅读 下载PDF 职称材料

半监督场景下多视角信息交互的图卷积神经网络 被引量：2

7

作者 王悦天 傅司超 +3 位作者 彭勤牧 邹斌 荆晓远 尤新革 《软件学报》 EI CSCD 北大核心 2024年第11期5098-5115,共18页

在当前数据来源多样化且人工标记难度大的现实生活中,半监督场景下多视角数据的分类算法在各个领域中都具有重要的研究意义.近年来,基于图神经网络的半监督多视角分类算法研究已经取得了很大的进展.但是现有的图神经网络算法大多是在分... 在当前数据来源多样化且人工标记难度大的现实生活中,半监督场景下多视角数据的分类算法在各个领域中都具有重要的研究意义.近年来,基于图神经网络的半监督多视角分类算法研究已经取得了很大的进展.但是现有的图神经网络算法大多是在分类阶段进行多视角互补信息的融合,反而忽略了训练阶段同一样本不同视角间互补信息的交互.针对上述问题,提出半监督场景下多视角信息交互的图卷积神经网络算法MIGCN(multi-view interaction graph convolutional network).该方法通过在不同视角上训练的图卷积层之间引入Transformer Encoder模块,使得同一样本在训练阶段都可以通过注意力机制自适应的在不同视角间获取互补性信息,进而加强自身的训练;除此之外,还通过引入一致性约束损失让不同视角最终特征表达的相似关系尽可能一样,促使图卷积神经网络在分类阶段更加合理的利用多视角特征之间的一致性和互补性信息,进一步提升多视角融合特征的鲁棒性.最后,在多个真实世界多视角数据集上的实验表明,相比于基于图的半监督多视角分类模型,MIGCN可以更好地学习到多视角数据的本质特征,进而提升半监督多视角分类的准确性. 展开更多

关键词 半监督学习 多视角学习 图神经网络 信息交互 节点分类

在线阅读 下载PDF 职称材料

自适应多视图融合图神经网络地铁客流预测模型 被引量：1

8

作者 鲁文博 张永 +2 位作者 李培坤 王亭 丛雅蓉 《交通运输系统工程与信息》 EI CSCD 北大核心 2024年第3期194-203,共10页

针对传统方法对地铁车站的多视角空间交互建模不足的问题,本文提出自适应多视图融合图神经网络模型(Adaptive Multi-view Fusion Graph Neural Network Model, AMFGNN)进行地铁车站短时客流预测。在空间维度,模型包括了物理拓扑图、线... 针对传统方法对地铁车站的多视角空间交互建模不足的问题,本文提出自适应多视图融合图神经网络模型(Adaptive Multi-view Fusion Graph Neural Network Model, AMFGNN)进行地铁车站短时客流预测。在空间维度,模型包括了物理拓扑图、线路可达性图、空间距离图等多个局部视图,并使用图注意力网络(Graph Attention Networks, GAT)学习每个视图内车站间的动态空间交互;以单视图车站为中心节点,结合其他视图中该车站作为邻居节点构建融合视图,并使用GAT学习多视图间动态交互;在时间维度,使用门控循环单元神经网络学习车站客流的时变特征。以重庆市地铁网络为例,全网出站客流的预测实验结果表明:相较于基线中的物理虚拟结合图网络模型(PVCGN),AMFGNN的平均绝对误差和均方根误差分别降低3.06%和2.49%。多视图内节点间注意力分数可视化结果表明,基于GAT的多视图建模思路能够自适应地融合不同视图中提取到的车站空间信息。此外,AMFGNN模型性能影响因素分析结果表明,以物理拓扑、线路可达性等结构稳定的视图作为中心节点构建融合视图能够获得更准确、稳定的预测模型。 展开更多

关键词 城市交通 地铁客流预测 图注意力机制 多视图建模 图神经网络

在线阅读 下载PDF 职称材料

自监督混合图神经网络的会话推荐模型 被引量：2

9

作者 章淯淞 夏鸿斌 刘渊 《计算机科学与探索》 CSCD 北大核心 2024年第4期1021-1031,共11页

基于会话的推荐旨在利用匿名会话预测用户行为。现有基于图神经网络(GNN)的会话推荐算法大多仅针对当前会话提取用户偏好,却忽略了来自其他会话的高阶多元关系从而影响推荐精度。此外,由于会话推荐所采用的短时交互序列包含的信息非常有... 基于会话的推荐旨在利用匿名会话预测用户行为。现有基于图神经网络(GNN)的会话推荐算法大多仅针对当前会话提取用户偏好,却忽略了来自其他会话的高阶多元关系从而影响推荐精度。此外,由于会话推荐所采用的短时交互序列包含的信息非常有限,使其更容易受到数据稀疏性的影响。针对上述问题,提出了自监督混合图神经网络会话推荐模型(SHGN)。该模型首先通过将原始数据构建为三个视图来描述会话与物品关系,然后通过多头图注意力网络捕获会话内部物品的低阶转换信息,提出了残差图卷积网络捕获物品和会话的高阶转换信息;最后融合自监督学习(SSL)作为辅助任务,通过最大化不同通道学习到的会话嵌入的互信息,对原始数据进行数据增强从而提升推荐性能。为了验证该方法的有效性,在Tmall、Diginetica、Nowplaying、Yoochoose四个基准数据集上与SR-GNN、GCE-GNN、DHCN等主流基线模型进行了对比实验,实验结果在P@20、MRR@20等性能指标上均取得了一定提升。 展开更多

关键词 会话推荐 多视图建模 图神经网络 自监督学习

在线阅读 下载PDF 职称材料

基于多视图融合跨层对比学习的推荐算法 被引量：2

10

作者 顾嘉静 杨丹 +1 位作者 聂铁铮 寇月 《计算机工程》 CSCD 北大核心 2024年第1期120-128,共9页

现有基于图对比学习的推荐模型在图数据增强方面通常只采用一种视图增强方法,忽略了单一方法存在的局限性,在对比学习方面通常只对比同一节点的一对视图,未充分利用各个视图不同的层嵌入。为此,提出一种基于多视图融合跨层对比学习的推... 现有基于图对比学习的推荐模型在图数据增强方面通常只采用一种视图增强方法,忽略了单一方法存在的局限性,在对比学习方面通常只对比同一节点的一对视图,未充分利用各个视图不同的层嵌入。为此,提出一种基于多视图融合跨层对比学习的推荐算法框架(MFCCL)。MFCCL分别使用随机边丢弃和随机添加噪声的增强方法构建2个全局视图,使用奇异值分解的方法构建局部视图,通过3种不同的视图增强方法构造全局和局部共3个视图,以实现有效的用户表示。同时,提出一种新的多视图融合跨层对比学习方法,该方法将2个全局视图不同的层嵌入通过平行和交叉2种方式进行融合后作对比,以获取更多的特征信息。将多视图融合跨层对比学习与全局-局部视图对比学习相结合,联合优化模型,从而提升推荐性能。在Yelp、Tmall和Amazon-book这3个公开数据集上进行实验,结果表明,MFCCL在推荐任务中具有有效性和可行性,相较于对比模型中性能最优的基线模型SimGCL,MFCCL在3个数据集中的Recall@20增益分别达到15.0%、13.3%和28.7%,NDCG@20值分别提升14.3%、13.2%和29.6%。 展开更多

关键词 图神经网络 对比学习 视图增强 多视图融合 推荐算法

在线阅读 下载PDF 职称材料

基于有监督的多视角变分图自编码器的协同致死基因预测算法 被引量：3

11

作者 郝志峰 吴迪 +2 位作者 蔡瑞初 陈学信 温雯 《计算机应用研究》 CSCD 北大核心 2021年第9期2678-2682,共5页

协同致死关系是开发靶向抗癌药物的重要方法之一,通过计算方法预测协同致死基因可以为生物学上的研究提供目标指导,从而提高研究效率并降低实验成本。针对协同致死预测问题,提出了一种通用的、多视角变分图自编码器框架,引入了已知的协... 协同致死关系是开发靶向抗癌药物的重要方法之一,通过计算方法预测协同致死基因可以为生物学上的研究提供目标指导,从而提高研究效率并降低实验成本。针对协同致死预测问题,提出了一种通用的、多视角变分图自编码器框架,引入了已知的协同致死关系作为监督信号,同时对局部的单视角数据和全局的多视角协同致死关系重构进行监督训练,在细粒度下获取每个视角中和协同致死相关的基因隐藏表示,最后将多视角的重构图融合在一起进行协同致死预测。在SynLethDB数据集上的实验结果表明方法的有效性。 展开更多

关键词 协同致死 图神经网络 变分图自编码器 多视角 癌症

在线阅读 下载PDF 职称材料

基于有监督的多视角图神经网络的药物组合协同预测算法 被引量：2

12

作者 郝志峰 詹健明 蔡瑞初 《计算机应用研究》 CSCD 北大核心 2022年第7期2020-2024,2057,共6页

药物组合疗法在癌症治疗中具有重要应用价值。通过算法预测药物协同组合,可为生物学研究提供靶向指导,从而提高研究效率,降低实验成本。针对现有算法缺乏有效的药物互相作用建模方法、无法考虑细胞系之间的关系等问题,提出了一种基于多... 药物组合疗法在癌症治疗中具有重要应用价值。通过算法预测药物协同组合,可为生物学研究提供靶向指导,从而提高研究效率,降低实验成本。针对现有算法缺乏有效的药物互相作用建模方法、无法考虑细胞系之间的关系等问题,提出了一种基于多视角图神经网络的药物协同预测算法。首先,采用变分图自编码器来学习特定细胞系药物的向量表示;然后,通过多视角框架整合同一组织内其他细胞系的药物信息,提升药物表示向量的可靠性;最后通过引入已知的药物组合得分作为监督信号对模型进行监督训练,实现可靠的药物协同效果预测。在DrugComb数据集上的实验结果验证了本方法的有效性。 展开更多

关键词 药物协同 图神经网络 多视角 癌症细胞系

在线阅读 下载PDF 职称材料

融合知识的多视图属性网络异常检测模型 被引量：2

13

作者 杜航原 曹振武 +1 位作者 王文剑 白亮 《自动化学报》 EI CAS CSCD 北大核心 2023年第8期1732-1744,共13页

属性网络异常检测在网络安全、电子商务和金融交易等领域中具有重要的理论与现实意义,近年来受到了越来越多的关注.大多数异常检测方法凭借网络有限的属性或结构信息进行决策生成,往往难以对异常模式做出可靠的描述.此外,网络节点对应... 属性网络异常检测在网络安全、电子商务和金融交易等领域中具有重要的理论与现实意义,近年来受到了越来越多的关注.大多数异常检测方法凭借网络有限的属性或结构信息进行决策生成,往往难以对异常模式做出可靠的描述.此外,网络节点对应的实体往往关联着丰富的领域知识,这些知识对于异常的识别具有重要的潜在价值.针对上述情况,提出一种融合知识的多视图网络异常检测模型,在多视图学习模式下通过数据与知识的互补融合实现了对异常节点的有效识别.首先,使用TransR模型由领域知识图谱抽取知识向量表示,并借助输入网络的拓扑关系构造其孪生网络.接着,在多视图学习框架下构建属性编码器和知识编码器,分别将属性网络及其孪生网络嵌入到各自的表示空间,并聚合为统一网络表示.最后,综合不同维度上的重构误差进行节点异常分数评价,从而识别网络中的异常节点.在真实网络数据集上的对比实验表明,提出的模型能够实现对领域知识的有效融合,并获得优于基线方法的异常检测性能. 展开更多

关键词 属性网络 异常检测 图神经网络 知识融合 多视图学习

在线阅读 下载PDF 职称材料

一种面向Android恶意软件的多视角多任务学习检测方法 被引量：1

14

作者 仝鑫 金波 +1 位作者 王靖亚 杨莹 《信息网络安全》 CSCD 北大核心 2022年第10期1-7,共7页

近年来,针对Android平台的恶意软件急剧增加,给反恶意软件领域带来了巨大挑战。尽管目前基于机器学习的检测方法为弥补传统检测技术的不足提供了新方向,但这些检测方法往往是基于单个模型或组合的相似模型构建的,很难从多个视角提取不... 近年来,针对Android平台的恶意软件急剧增加,给反恶意软件领域带来了巨大挑战。尽管目前基于机器学习的检测方法为弥补传统检测技术的不足提供了新方向,但这些检测方法往往是基于单个模型或组合的相似模型构建的,很难从多个视角提取不同层次的语义信息,最终限制了检测效果。针对这一问题,文章提出了一种基于多视角多任务学习的Android恶意软件检测模型。首先,系统调用信息被输入梯度提升树模型以挖掘频次视角信息,然后调用信息还会被转化为灰度图并输入到基于视觉图神经网络、卷积神经网络的学习器以学习共现和关联特征。最后,文章还引入了基于层次标签的多任务学习方法完成模型训练,实现了针对Android恶意软件的多视角特征提取和分析。在来自UNB的细粒度公开数据集上的实验结果表明,该方法总体上优于传统基于单视角的检测方法,具备较好的准确率和可靠性。 展开更多

关键词 Android恶意软件 多视角学习 多任务学习 图神经网络

在线阅读 下载PDF 职称材料

面向多跳问答的多视图语义推理网络 被引量：1

15

作者 龙欣 赵容梅 +1 位作者 孙界平 琚生根 《工程科学与技术》 EI CSCD 北大核心 2023年第2期285-297,共13页

由于多跳知识图谱问答任务的复杂性,现有研究大多通过堆叠多层图神经网络以捕捉更大范围的高阶邻居信息。这种做法将多阶信息融合在一起,以损失节点判别性为代价获取更全局的信息,存在过平滑问题;并且,由于离节点越近的邻居置信度越高,... 由于多跳知识图谱问答任务的复杂性,现有研究大多通过堆叠多层图神经网络以捕捉更大范围的高阶邻居信息。这种做法将多阶信息融合在一起,以损失节点判别性为代价获取更全局的信息,存在过平滑问题;并且,由于离节点越近的邻居置信度越高,将多阶邻居信息融合在一起的做法会忽略邻居的置信度。此外,多跳知识图谱问答存在许多数据集通常没有给定中间路径的监督信息的弱监督问题,会使模型在进行路径推理时缺乏有效的指导信息,导致模型推理能力降低。为了解决以上问题,论文提出了一种多视图语义推理网络,该网络利用全局和局部两种视图的信息共同进行推理。全局视图信息是指节点的多阶邻居信息,能够为推理提供更丰富的证据;局部视图信息则只关注节点的1阶邻居信息,更具有判别性,能够缓解全局视图信息存在的过平滑问题。同时,该网络将问题分解为多个子问题作为中间路径推理的指导信息,并从问题语义构成的均匀性和一致性出发,设计了一种新颖的损失函数以提升问题分解的质量,以提高模型中间路径推理的能力。论文方法在3个真实数据集上进行了大量实验,实验结果表明,多视图的语义信息能够为推理提供更加全面的证据,将问题分解为子问题的做法能够提高中间路径推理的准确性,证明了论文方法的有效性。 展开更多

关键词 多跳知识图谱问答 图神经网络 多视图 语义推理 弱监督

在线阅读 下载PDF 职称材料

基于图卷积神经网络的多视角聚类 被引量：1

16

作者 李勇振 廖湖声 《计算机工程与应用》 CSCD 北大核心 2021年第5期115-122,共8页

针对多视角数据间互补与一致特性难以刻画问题,提出一种基于图卷积神经网络的多视角聚类方法。通过对样本不同视角间相同邻接子图基于图卷积神经网络学习到的表达进行约束,有效挖掘了多视角数据间的一致特性。通过共享图卷积神经网络参... 针对多视角数据间互补与一致特性难以刻画问题,提出一种基于图卷积神经网络的多视角聚类方法。通过对样本不同视角间相同邻接子图基于图卷积神经网络学习到的表达进行约束,有效挖掘了多视角数据间的一致特性。通过共享图卷积神经网络参数、学习不同视角完整邻接图嵌入表达并串接得到多视角表达,有效挖掘了多视角数据间的互补特性。对上述多视角表达增加相对熵约束,使得最终学习到的多视角表达得以提升并符合聚类特性。在五个数据集上均取得了最好的聚类效果,说明所提出的基于图卷积神经网络的聚类方法可以有效挖掘视角间互补与一致特性并提升聚类性能。 展开更多

关键词 多视角聚类 图卷积神经网络 相对熵

在线阅读 下载PDF 职称材料