Abstract：
针对现有图对比学习模型使用的随机数据增强策略可能会破坏网络中关键的社区结构、对比对选择策略可能将具有相似拓扑结构或属性的节点选为负样本等问题,本文提出了一种基于自适应图对比学习的社区发现算法,设计了一个考虑节点重要性的自适应图增强策略和一个基于K近邻的正负样本选择策略来解决以上问题.在真实网络上的实验表明,本文提出的方法在社区发现任务中取得了比现有最好算法高4％以上的准确性,在供应链金融风险控制任务中取得了比现有最好算法高3％以上的准确性.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
福建电脑
ISSN： 1673-2782
Year： 2023
Issue： 5
Volume： 39
Page： 1-6
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 6
Affiliated Colleges：
