「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

本期 AI Drive，我们邀请到电子科技大学硕士生潘尔林，为大家在线解读其发表在 NeurIPS 2021 的最新研究成果：Multi-view Contrastive Graph Clustering。对本期主题感兴趣的小伙伴，11 月 16 日（本周二）晚 7 点，我们准时相约 PaperWeekly 直播间。

直播信息

随着信息时代的蓬勃发展，产生了大量多视图的图数据。随即，也出现许多的多视图聚类方法，但这些方法只利用了数据中的多属性信息或者多拓扑图信息。在这个工作中，我们提出了一个简单而通用的多视图的属性图数据聚类方法：多视图对比图聚类。首先考虑到多视图数据的单个视图的信息可能并不完整，我们的方法希望从多视图数据中学到一个一致图；其次为了去除数据中的噪声同时保留拓扑结构信息，方法中采用图滤波处理原始数据；最后受到对比学习启发，本方法中提出了一个图对比正则项，用于提高图的聚类亲和性。在 5 个基准数据集上与现有的方法比较，多视图对比聚类取得最佳的聚类评测指标，甚至比一些深度的方法还要优越。

论文标题：

Multi-view Contrastive Graph Clustering

论文链接：

https://arxiv.org/abs/2110.11842

本次分享的具体内容有：  

• 属性图和属性图聚类介绍

• 几种多视图聚类和基于对比学习的聚类方分析

• 多视图对比图聚类框架

• 指标对比和消融实验分析

• 优势分析和改进建议

嘉宾介绍

 潘尔林 / 电子科技大学硕士生 

潘尔林，电子科技大学计算机科学与工程学院（网络空间安全学院）可信云计算与大数据工程团队 2021 届硕士研究生，主要进行聚类和图聚类等机器学习方面的研究。目前一篇关于属性图聚类的工作已被 NeurlPS 2021 接收。

直播地址 & 交流群

本次直播将在 PaperWeekly 视频号和 B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「AI Drive」，即可获取入群通道。

视频号直播间：

扫描下方二维码关注 PaperWeekly 视频号，第一时间获取开播提醒。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

·