Graph Clustering和Community Detection（附代码） 图谱

于 2024-09-23 19:38:49 发布
阅读量370 收藏
点赞数 6
CC 4.0 BY-SA版权
分类专栏： 人工智能 自然语言处理 NLP 文章标签： 知识图谱 kg 社区
我是南七小僧，邮箱：[email protected] ，C9博士，前百度搜索AI平台产品负责人，欢迎交流思想碰撞。
本文链接：https://blog.csdn.net/qq_25439417/article/details/142466738
人工智能 同时被 3 个专栏收录
242 篇文章 ¥19.90 ¥99.00
订阅专栏
自然语言处理
34 篇文章 ¥19.90 ¥99.00
订阅专栏
NLP
11 篇文章 ¥19.90 ¥99.00
订阅专栏

本次我们聚焦算法的部分。这篇论文的算法之所以效果高于其他组别，核心思想就在于：1）从多个角度加权计算了用户之间的相似度；2）根据两两之间的相似度进行了Graph Clustering。最终的效果就是有相同偏好的用户被聚在了同一组，那么既然大家兴趣类似，你喜欢的自然大概率也是我喜欢的。

接下来我们就介绍一些关于Clustering的知识，尤其会详细介绍经典的算法，最后我们再推荐几篇相关的论文。

一、聚类的两种类型

对已知的“点”进行聚类，我们首先要判断这些“点”是建立在什么数学结构上的，一般来说如果这些点存在“类别”，那么用两种结构来描述都是自然的：

  • 欧氏空间：所有点都坐落在欧式空间里，两两之间的距离的定义是自然的，距离越小，“相似度”越高。
  • 图（Gr
了解本专栏 订阅专栏 解锁全文
Deep learning in graph clustering 论文两篇
DawnRanger的专栏
08-16 4853
1. Learning Deep Representations for Graph Clustering论文信息：Tian, Fei, et al. “Learning Deep Representations for Graph Clustering.” AAAI. 2014.来自微软亚洲研究院，这是最早将深度学习应用于图聚类问题(graph clustering)的文章。论文的思路非常简单，首
社区发现算法-Community Detection-NormalizeCut/Louvain/NMF/LPA
Zhongsigen的博客
11-01 7507
本文结构安排 图聚类简介 正则化割 Louvain 非负矩阵分解（NMF） 其他常见方法 图(graph):是一种由点和边集构成的结构G=(V,E)G=(V,E)G=(V,E) 图聚类(graph clustering) : 将点划分为不同的簇，使得簇内的边尽量多，簇之间的边尽量少。也称为图划分(partitioning)，社区检查(community detectio...
Data Mining:图聚类(Graph clustering)
Night__owl的博客
09-18 6415
Betweenness Centrality (from wikipedia) 在图论中，介数中心性（英語：Betweenness Centrality）是基于最短路径针对网络图中心性的衡量标准之一。针对全连接网络图，其中任意两个节点均至少存在一个最短路径，在无权重网络图中该最短路径是路径包含边的数量求和，加权网络图中该最短路径则是路径包含边的权重求和。每个节点的介数中心性即为这些最短路径穿过该节点的次数。 Girvan-Newman algorithm （格里-纽曼算法） 1. 首先计算网络中..
Graph Clustering with Graph Neural Networks
chumingqian的博客
06-13 348
图神经网络（GNNs）在节点分类和链路预测等许多图分析任务上取得了最先进的结果。然而，图上重要的无监督问题（例如图聚类）已被证明更难以抵抗 GNN 的进步。图聚类与 GNN 中的节点池化具有相同的总体目标——这是否意味着 GNN 池化方法在图聚类方面做得很好？令人惊讶的是，答案是否定的——在简单基线（例如使用 k 均值聚类学习到的表示）效果良好的情况下，当前的 GNN 池化方法通常无法恢复簇结构。我们通过仔细设计一组实验来进一步研究图结构和属性数据中的不同信噪比场景。
基于图模型的多视图学习——多图聚类方法（Multi-Graph Clustering）
最新发布
...
07-10 1569
多图聚类方法（Multi-Graph Clustering）是一种高级的聚类技术，用于处理包含多个图结构的数据集。在这些数据集中，每个图（或视图）可能代表数据的不同方面或来源。多图聚类旨在从这些不同的图中找出一致的聚类结构，以获得更全面和更准确的聚类结果。
【社区发现/图聚类算法】pSCAN: Fast and exact structural graph clustering
梁瑛平的博客
06-07 5829
【社区发现/图聚类算法】pSCAN: Fast and exact structural graph clustering一、论文地址：二、任务简介：三、SCAN算法：四、PSCAN算法：4.1 摘要：4.2 任务介绍：4.3 现有方法的不足：4.4 本文的贡献：4.5 一些基本概念：4.5.1 定义一：4.5.2 定义二：4.5.3 定义三：4.5.4 定义四：4.5.5 定义五：4.6 SCAN算法分析：4.7 新的范式：4.7.1 观察一：4.7.2 观察二：4.7.3 观察三：4.7.4 范式：集群
论文导读 | 使用有偏随机游走进行带约束的局部图聚类
weixin_48167662的博客
04-20 1213
编者按： 原文《Constrained Local Graph Clustering by Colored Random Walk》发表于WWW 2019，提出了一个新问题：带约束的局部图聚类（Constrained Local Graph Clustering），即种子结点（seed nodes）带有预先标定的聚类标签的图聚类问题；并给出一种基于有偏的随机游走（文章中称为Colored Random Walk）的算法解决此问题。 论文地址： https://dl.acm.org/doi.
[Datawhale Camp] Task01- 知识图谱介绍
monarch
01-11 875
文章目录
Neo4J中构建的知识图谱，如何使用推理算法
sagima_sdu的博客
05-29 3101
Neo4j允许您使用Java或Python编写自定义图算法。这使得您可以将OWL中的创新推理算法迁移并定制到Neo4j中。步骤：定义算法：使用Java或Python编写自定义算法。部署到Neo4j：将自定义算法作为插件部署到Neo4j。调用算法：在Cypher查询中调用自定义算法。import org// 自定义推理算法逻辑 } }// 自定义推理算法逻辑 } }Algorithm;import org// 自定义推理算法逻辑 } }
快速上手：图聚类入门 Graph Clustering
热门推荐
YoHu人家的博客
07-15 4万+
硕士研究工作基本告一段落了，静候佳音中～最近实习期做的东西还挺有意思，再加上一些别的原因，大概率不会读博了（碎碎念） 其实一直想总结一下近几年的图节点聚类的一些工作，算是一个逗号吧。 个人总结，若有错误欢迎指正。 本文从问题定义入手，再到近几年的工作，最后进行横向对比，并提供一些个人向的future work（俗称画饼），以供参考。 文章目录先验知识聚类图图神经网络图节点聚类 先验知识 这部分介绍一下聚类、图、图神经网络。都掌握的不错的同学可以直接跳过。 聚类 聚类就是在未知标签的前提下，将样本集合分为多个
graph-clustering-algorithms:图聚类算法的准确率和运行时间比较
07-07
图聚类算法 图聚类算法的准确率和运行时间比较
ICASSP 21 graph clustering 大连理工
qq_40926715的博客
03-21 1004
多图聚类---graph level 上的工作 三个模块： FT GE EC +一个对比损失 多图卷积 实质上就是 GCN ，把每层的表征拼接， 对node每一维采用了max pooling 获得图级表征。 K是一个图核函数 说是通过XA计算， W是 一个特征转化矩阵，还是拼接H个图表征 前面两次都是 GCN形式的embed 这里加入一个K-means的目标函数，聚类生成的伪标签作为ground-truth，和mlp的softmax生成的输出形...
论文笔记之Learning Deep Representations for Graph Clustering
BVL的博客
01-09 4132
本篇论文是2014年AAAI的一篇论文。思想也比较简单，主要是采用SAE（栈式自编码），在graph上进行node embedding，将embedding得到的每个node的vector做为输入，进行graph cluster。论文中采用的是最常用的k-means方法来cluster。算法如下： step1 得到graph的n*n的邻接矩阵S和度矩阵Dstep2 将D’S作为SAE的输入
日常学习中遇到的好的资源(Graph Clustering and GNN)（持续更新）
qq_45073095的博客
03-22 2282
将自己在平时学习中遇到的好资源、好文章进行记录；本篇记录的主要是本人的研究方向（Graph Clustering and GNN）相关的资源。
论文阅读“Graph Contrastive Clustering”（ICCV2021）
qq_43497436的博客
04-19 1902
论文标题 Graph Contrastive Clustering 论文作者、链接 作者：Zhong, Huasong and Wu, Jianlong and Chen, Chong and Huang, Jianqiang and Deng, Minghua and Nie, Liqiang and Lin, Zhouchen and Hua, Xian-Sheng 链接：ICCV 2021 Open Access Repository Introduction逻辑 论文动机&现有
图聚类算法（Graph clustering）
ylzf2008的博客
11-20 535
无需指定簇大小：Reinforcement Graph Clustering with。
各类聚类（clustering）算法初探
weixin_34168880的博客
01-20 5837
1. 聚类简介 0x1：聚类是什么？ 聚类是一种运用广泛的探索性数据分析技术，人们对数据产生的第一直觉往往是通过对数据进行有意义的分组。很自然，首先要弄清楚聚类是什么？ 直观上讲，聚类是将对象进行分组的一项任务，使相似的对象归为一类，不相似的对象归为不同类 但是，要达到这个目的存在几个很困难的问题 1. 上述提及的两个目标在很多情况下是互相冲突的。从数学上讲，虽然聚类共享具有...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

南七小僧

打赏后，可以添加微信一对一咨询

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值