Shared-Neighbor based Multi-Curvature Graph Clustering
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Compared to traditional methods, deep graph clustering better captures latent structural patterns. However, graph sparsity limits global structure modeling, and Euclidean space struggles with nonlinear relations. To address this, we propose SNMGC, a shared-neighbor based multi-curvature graph clustering algorithm. It enhances the original structure using shared neighbor ratios, models nonlinear geometry via multicurvature GCNs, and captures Euclidean features through standard GCNs. A contrastive regularization module further enforces cross-view consistency. Experiments demonstrate the effectiveness and superiority of SNMGC.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Shared-Neighbor based Multi-Curvature Graph Clustering
- Date Crossref
- 16/05/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.