计算机工程

作者：钱李烽, 李静, 邹徐熹, 陈宇, 顾亚林, 魏训虎

单位：1. 南京航空航天大学计算机科学与技术学院/人工智能学院, 江苏 南京 2111062. 南京南瑞信息通信科技有限公司, 江苏 南京 2111063. 国网上海市电力公司信息通信公司, 上海 200072

关键词：图挖掘,多视图,图聚类,深度图学习,图对比学习

基金：国家电网有限公司总部科技项目(5108-202218280A-2-152-XG)

图聚类作为图挖掘领域的关键研究方向，旨在从图数据中发现具有相似性的子结构或节点群体，将它们划分到同一簇。多视图图聚类算法通过综合图数据的多个视图，充分利用底层信息以提升聚类质量。近年来，图对比学习的改进推动了基于深度图学习的多视图图聚类的迅速发展。然而，现有的图对比学习难以提高节点表示的识别性。针对上述问题，提出一种基于双重对比学习和硬样本挖掘的多视图图聚类方法。首先，通过图滤波器平滑节点表示以减轻噪声节点带来的影响；然后，设计节点紧凑性对比学习和节点一致性对比学习，以提高同一聚类内节点表示的紧凑性和不同视图间节点表示的一致性；最后，考虑到基于图对比学习的多视图图聚类存在假阴性问题，提出基于聚类引导的硬样本挖掘策略，以提高多视图图聚类效果。在ACM、DBLP和IMDB 3个真实世界数据集上进行实验，结果表明，该方法分别取得了94.49%、93.22%和57.51%的准确率，均高于8种对比基线方法。

来源：2025年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第12期