Buchumschlag

Every Node is Different: Dynamically Fusing Self-Supervised Tasks for Attributed Graph Clustering

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Pengfei, Wang, Qian, Wang, Yu, Li, Jialu, Hu, Qinghua
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TAGA: Text-Attributed Graph Self-Supervised Learning by Synergizing Graph and Text Mutual Transformations
von: Zhang, Zheng, et al.
Veröffentlicht: (2024)

A Federated Parameter Aggregation Method for Node Classification Tasks with Different Graph Network Structures
von: Song, Hao, et al.
Veröffentlicht: (2024)

Exploring Correlations of Self-Supervised Tasks for Graphs
von: Fang, Taoran, et al.
Veröffentlicht: (2024)

From Cluster Assumption to Graph Convolution: Graph-based Semi-Supervised Learning Revisited
von: Wang, Zheng, et al.
Veröffentlicht: (2023)

BuffGraph: Enhancing Class-Imbalanced Node Classification via Buffer Nodes
von: Wang, Qian, et al.
Veröffentlicht: (2024)

Label Deconvolution for Node Representation Learning on Large-scale Attributed Graphs against Learning Bias
von: Shi, Zhihao, et al.
Veröffentlicht: (2023)

Programming Every Example: Lifting Pre-training Data Quality Like Experts at Scale
von: Zhou, Fan, et al.
Veröffentlicht: (2024)

Efficient and Scalable Granular-ball Graph Coarsening Method for Large-scale Graph Node Classification
von: Wang, Guan, et al.
Veröffentlicht: (2026)

SelfCite: Self-Supervised Alignment for Context Attribution in Large Language Models
von: Chuang, Yung-Sung, et al.
Veröffentlicht: (2025)

Divide-Then-Rule: A Cluster-Driven Hierarchical Interpolator for Attribute-Missing Graphs
von: Hu, Yaowen, et al.
Veröffentlicht: (2025)

Graph Unlearning: Efficient Node Removal in Graph Neural Networks
von: Guan, Faqian, et al.
Veröffentlicht: (2025)

Quantitative Estimation of Target Task Performance from Unsupervised Pretext Task in Semi/Self-Supervised Learning
von: Jia, Lin-Han, et al.
Veröffentlicht: (2025)

GraphiT: Efficient Node Classification on Text-Attributed Graphs with Prompt Optimized LLMs
von: Khoshraftar, Shima, et al.
Veröffentlicht: (2025)

Graph Similarity Computation via Interpretable Neural Node Alignment
von: Wang, Jingjing, et al.
Veröffentlicht: (2024)

Federated Incomplete Multi-view Clustering with Globally Fused Graph Guidance
von: Chao, Guoqing, et al.
Veröffentlicht: (2025)

Enhancing Graph Self-Supervised Learning with Graph Interplay
von: Zhao, Xinjian, et al.
Veröffentlicht: (2024)

Do Neural Scaling Laws Exist on Graph Self-Supervised Learning?
von: Ma, Qian, et al.
Veröffentlicht: (2024)

Fast and Robust Contextual Node Representation Learning over Dynamic Graphs
von: Guo, Xingzhi, et al.
Veröffentlicht: (2024)

Cross-Space Adaptive Filter: Integrating Graph Topology and Node Attributes for Alleviating the Over-smoothing Problem
von: Huang, Chen, et al.
Veröffentlicht: (2024)

Clustering Properties of Self-Supervised Learning
von: Weng, Xi, et al.
Veröffentlicht: (2025)

Pure Node Selection for Imbalanced Graph Node Classification
von: Zeng, Fanlong, et al.
Veröffentlicht: (2025)

Towards Automated Self-Supervised Learning for Truly Unsupervised Graph Anomaly Detection
von: Li, Zhong, et al.
Veröffentlicht: (2025)

GraphCLIP: Enhancing Transferability in Graph Foundation Models for Text-Attributed Graphs
von: Zhu, Yun, et al.
Veröffentlicht: (2024)

Multi-order Graph Clustering with Adaptive Node-level Weight Learning
von: Liu, Ye, et al.
Veröffentlicht: (2024)

Multimodal Negative Learning
von: Gong, Baoquan, et al.
Veröffentlicht: (2025)

Rethinking Spectral Augmentation for Contrast-based Graph Self-Supervised Learning
von: Jian, Xiangru, et al.
Veröffentlicht: (2024)

Graph Self-Supervised Learning with Learnable Structural and Positional Encodings
von: Wijesinghe, Asiri, et al.
Veröffentlicht: (2025)

Leveraging Large Language Models for Effective Label-free Node Classification in Text-Attributed Graphs
von: Zhang, Taiyan, et al.
Veröffentlicht: (2024)

Geometric Mixture-of-Experts with Curvature-Guided Adaptive Routing for Graph Representation Learning
von: Cao, Haifang, et al.
Veröffentlicht: (2026)

Deep Cut-informed Graph Embedding and Clustering
von: Ning, Zhiyuan, et al.
Veröffentlicht: (2025)

Efficient Text-Attributed Graph Learning through Selective Annotation and Graph Alignment
von: Xie, Huanyi, et al.
Veröffentlicht: (2025)

DKGCM: A Spatio-Temporal Prediction Model for Traffic Flow by Fusing Spatial Node Clustering Method and Fourier Bidirectional Mamba Mechanism
von: Long, Siqing, et al.
Veröffentlicht: (2025)

Enhancing Fairness in Autoencoders for Node-Level Graph Anomaly Detection
von: Wang, Shouju, et al.
Veröffentlicht: (2025)

Scalable Graph Self-Supervised Learning
von: Pasand, Ali Saheb, et al.
Veröffentlicht: (2024)

Online Clustering of Dueling Bandits
von: Wang, Zhiyong, et al.
Veröffentlicht: (2025)

Parking Availability Prediction via Fusing Multi-Source Data with A Self-Supervised Learning Enhanced Spatio-Temporal Inverted Transformer
von: Huang, Yin, et al.
Veröffentlicht: (2025)

Node Level Graph Autoencoder: Unified Pretraining for Textual Graph Learning
von: Hu, Wenbin, et al.
Veröffentlicht: (2024)

Unsupervised Optimisation of GNNs for Node Clustering
von: Leeney, William, et al.
Veröffentlicht: (2024)

Soft Graph Clustering for single-cell RNA Sequencing Data
von: Xu, Ping, et al.
Veröffentlicht: (2025)

Catching Every Ripple: Enhanced Anomaly Awareness via Dynamic Concept Adaptation
von: Zhu, Jiaqi, et al.
Veröffentlicht: (2026)