属性图的聚类：模型、度量和方法

Jan, 2015

属性图的聚类：模型、度量和方法

Clustering attributed graphs: models, measures and methods

Cecile Bothorel, Juan David Cruz, Matteo Magnani, Barbora Micenkova

TL;DR该文章是关于图聚类中的属性图的现状调查，总结了最新的研究成果和主要的聚类算法，并且介绍了分析聚类结果的评估方法和当前存在的开放问题。

Abstract

Clustering a graph, i.e., assigning its nodes to groups, is an important operation whose best known application is the discovery of communities in social networks. graph clustering and community detection have traditionally focused on graphs without attributes, with the notable excepti

graph clustering attributed graphs clustering methods node attributes edge attributes

发现论文，激发创造

节点属性社交网络中的社区发现：综述

本文介绍了社区检测的基本问题，即如何把社交网络中具有明确社交关系的社会行为者分成紧密相连和高度相关的群体，并详细介绍了使用节点属性的方法，对已知的方法进行分类，提供了每种方法的一般技术思想，分析了当前领域的状况并揭示了一些需要未来解决的问题。

Dec, 2019

自适应图卷积的归属图聚类

本文提出了一种自适应图卷积方法来处理带属性的图聚类问题，该方法利用高阶图卷积来捕获全局聚类结构，并针对不同的图自适应地选择适当的阶数，而实验结果表明，该方法与现有的最先进方法相媲美。

Jun, 2019

图形中的社区检测

这篇研究论文讨论了网络科学中一个重要的问题 —— 发现社群结构的方法和应用，分析了该问题的主要元素和当前已有的各种方法，重点介绍了统计物理学家们开发的技术。

Jun, 2009

关于群聚网络价值数据

本文论述如何应对集合多种网络数据的任务，并提出一种新的在非对称网络中对每个网络节点分配计算特征向量的网络聚类方法。

Jun, 2016

具有节点属性的网络中的社区发现

本文介绍了使用 CESNA 算法在具有节点属性的网络中检测重叠社区的过程，该算法将网络结构的信息和节点特征属性相结合，可以更准确地检测社区，同时提高了算法的鲁棒性。

Jan, 2014

高效聚类大规模带属性图

提出了一种快速可扩展的算法 SToC (Semantic-Topological Clustering)，用于将大规模带属性图分割为同质化的簇，并利用底部 - k 草图、传统图论概念和新的异构距离测量组合方案，快速计算高质量的划分。

Mar, 2017

有向网络中的聚类与社区检测：综述

该论文对有向网络的聚类算法进行了深入的综述，介绍了基本概念和方法学基础，并从方法论原理和好的群集特性的角度讨论了聚类算法。此外，还介绍了图聚类结果的评估方法和指标，展示了有趣的应用领域，并提出了未来的研究方向。

Aug, 2013

社交网络中的节点分类

本文旨在回顾用于标记传播的分类技术，主要包括基于传统分类器迭代应用的图特征方法和通过随机游走传播现有标签的方法，并着重说明两种方法类似之处。此外，我们也讨论了节点分类的相关扩展和方向。

Jan, 2011

属性图聚类：深度注意力嵌入方法

本文提出了一种 DAEGC 算法，该算法通过引入注意力机制和自训练图聚类方法，针对特定聚类任务设计深度学习方法以生成目标图形的嵌入表征。

Jun, 2019

属性多关系图的谱聚类

提出了一种针对属性和多关系网络的联合降维技术 SpectralMix，该方法通过综合利用属性、关系类型和图结构的信息，实现对聚类结果的解释，并在实际数据集上展现了其优越性。

Nov, 2023