Variational Graph Generator for Multi-View Graph Clustering

要約

グラフ構造情報を含むマルチビュー データが急増しているため、マルチビュー グラフ クラスタリング (MGC) 手法の研究が増えています。
MGC の重要な点は、複数のビューの特徴とグラフにおけるビュー固有の情報とビュー共通の情報をより適切に利用することです。
しかし、既存の作品には、複数のグラフにわたるコンセンサスグラフ情報とビュー固有の特徴情報を同時に利用できないという固有の制限があります。
この問題に対処するために、マルチビュー グラフ クラスタリングのための変分グラフ ジェネレーター (VGMGC) を提案します。
具体的には、複数のグラフ間で共通する情報を抽出するための新しい変分グラフ生成器を提案する。
このジェネレーターは、複数のグラフに対する先験的な仮定に基づいて、信頼性の高い変分コンセンサス グラフを推論します。
次に、クラスタリングに必要なグラフ埋め込みを学習するために、マルチビュー クラスタリング目標と組み合わせたシンプルかつ効果的なグラフ エンコーダが提示されます。これは、推論されたビュー共通グラフとビュー固有のグラフを特徴とともに埋め込みます。
最後に、理論的な結果は、情報ボトルネック原理を使用して推定されたコンセンサス グラフの不確実性を分析することにより、VGMGC の合理性を示しています。広範な実験により、SOTA よりも優れた VGMGC のパフォーマンスが実証されています。
ソース コードは https://github.com/cjpcool/VGMGC で公開されています。

要約(オリジナル)

Multi-view graph clustering (MGC) methods are increasingly being studied due to the explosion of multi-view data with graph structural information. The critical point of MGC is to better utilize view-specific and view-common information in features and graphs of multiple views. However, existing works have an inherent limitation that they are unable to concurrently utilize the consensus graph information across multiple graphs and the view-specific feature information. To address this issue, we propose Variational Graph Generator for Multi-View Graph Clustering (VGMGC). Specifically, a novel variational graph generator is proposed to extract common information among multiple graphs. This generator infers a reliable variational consensus graph based on a priori assumption over multiple graphs. Then a simple yet effective graph encoder in conjunction with the multi-view clustering objective is presented to learn the desired graph embeddings for clustering, which embeds the inferred view-common graph and view-specific graphs together with features. Finally, theoretical results illustrate the rationality of the VGMGC by analyzing the uncertainty of the inferred consensus graph with the information bottleneck principle.Extensive experiments demonstrate the superior performance of our VGMGC over SOTAs. The source code is publicly available at https://github.com/cjpcool/VGMGC.

arxiv情報

著者 Jianpeng Chen,Yawen Ling,Jie Xu,Yazhou Ren,Shudong Huang,Xiaorong Pu,Zhifeng Hao,Philip S. Yu,Lifang He
発行日 2024-12-23 16:29:38+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG パーマリンク