精选理由
这篇用边的曲率做无监督社区检测，在异质图上赢了九个基线，聚类器部分提升显著，代码也开源了。
提出曲率引导的Sheaf扩散（CGSD），利用离散Forman-Ricci曲率作为拓扑信号进行无监督社区检测。在Cora、Cornell、Texas、Wisconsin、Chameleon五个异质图基准上，CGSD在Wisconsin和Chameleon上优于九个无监督基线，其余三个具竞争力。其曲率感知谱聚类器（CSpec）在相同嵌入下将平均NMI从0.091（K-Means）提升至0.107（+15%，p=0.008）。代码已在GitHub开源。
AI 翻译 · 中文
提出曲率引导的Sheaf扩散（CGSD），利用离散Forman-Ricci曲率作为拓扑信号进行无监督社区检测。在Cora、Cornell、Texas、Wisconsin、Chameleon五个异质图基准上，CGSD在Wisconsin和Chameleon上优于九个无监督基线，其余三个具竞争力。其曲率感知谱聚类器（CSpec）在相同嵌入下将平均NMI从0.091（K-Means）提升至0.107（+15%，p=0.008）。代码已在GitHub开源。
Detecting communities in heterophilic graphs -- where connected nodes often belong to different classes -- is hard for unsupervised methods: classical modularity and spectral methods are feature agnostic, while deep grap…