近日,CCF B类刊物Information Sciences(SCI影响因子8.233)正式刊登我们小组论文“Semi-supervised overlapping community detection in attributed graph with graph convolutional autoencoder”(全文地址:https://www.sciencedirect.com/science/article/pii/S0020025522007253)
该文主要针对属性图的链接信息和属性信息融合、先验信息集成和重叠社区检测问题,提出了一种基于图神经网络的半监督重叠社区检测方法SSGCAE,该方法包括三个模块:图卷积自动编码器(GCAE)、半监督和模块度。通过将GCAE作为主干模型,并使用三个模块的联合损失进行训练,非常有效地提高了属性图的社区检测性能。
SSGCAE方法框架