Deep Temporal Graph Clustering
National University of Defense Technology（国防科技大学）；Intelligent Game and Decision Lab（智能游戏与决策实验室）
针对现有深度聚类无法适配时序图、易丢失动态信息且计算成本高的问题，提出通用深度时序图聚类框架TGC，适配时序图批处理模式，可有效提升时序图学习性能与时空平衡灵活性。
2024-04-11 cs.AI cs.LG
Self-supervised Contrastive Attributed Graph Clustering
Xidian University（西安电子科技大学）；Westfield State University（韦斯特菲尔德州立大学）；Chongqing University of Posts and Telecommunications（重庆邮电大学）
提出自监督对比属性图聚类网络SCAGC，利用不精确聚类标签设计自监督对比损失学习节点表示，并直接输出聚类标签，解决样本外问题，在四个基准数据集上优于11种方法。
2021-10-15 cs.AI cs.LG
Contrastive Graph Clustering in Curvature Spaces
North China Electric Power University（华北电力大学）；Beijing University of Posts and Telecommunications（北京邮电大学）；Beihang University（北京航空航天大学）；University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
该研究首次将异质曲率空间引入图聚类，提出基于Ricci曲率的端到端对比图聚类模型CONGREGATE，采用无需增强的重加权对比策略，在真实图数据上性能超越现有最优方法。
2023-05-05 cs.LG stat.ML
Deep Graph-Level Clustering Using Pseudo-Label-Guided Mutual Information Maximization Network
Fuzhou University（福州大学）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Shenzhen Research Institute of Big Data（深圳大数据研究院）
在这项工作中，我们研究的问题划分一组图到不同的组，使在同一组中的图是相似的，而在不同的组中的图是不相似的。这个问题以前很少被研究，虽然已经有很多的工作，节点聚类和图分类。这个问题是具有挑战性的，因为它是很难衡量的相似性或图之间的距离。一种可行的方法是使用图核计算图的相似性矩阵，然后执行谱聚类，但现有的图核在测量图之间的相似性的有效性是非常有限的。为了解决这个问题，我们提出了一种新的方法，称为深度图级聚类（DGLC）。DGLC利用图同构网络来学习图级表示，通过最大化整个图和子结构的表示之间的互信息，在正则化的聚类模块，确保通过伪标签的歧视性表示。DGLC以端到端的方式实现图级表示学习和图级聚类。在六个基准数据集上的实验结果表明，与许多基线相比，我们的DGLC具有最先进的性能。
2023-02-05 cs.AI cs.LG
Learning Uniform Clusters on Hypersphere for Deep Graph-level Clustering
Zhejiang University（浙江大学）
针对图级聚类中因表示判别力不足导致的聚类坍塌问题，提出UDGC方法，通过ACOT生成均匀伪标签并结合对比学习与CAOT优化簇分布，显著提升了聚类性能。
2023-11-23 cs.AI cs.LG
Improving Image Clustering using Sparse Text and the Wisdom of the Crowds
Claremont Graduate University（克莱蒙特研究生大学）；Naval Air Warfare Center（海军空战中心）；Claremont McKenna College（克莱蒙特·麦肯纳学院）
我们提出了一种方法来提高图像聚类使用稀疏文本和群众的智慧。特别是，我们提出了一种方法来融合两种不同类型的文档特征，图像和文本特征，并使用一个共同的字典或“群众的智慧”作为两种不同类型的文档之间的连接。与建议的融合矩阵，我们使用主题建模通过非负矩阵分解聚类文件。
2014-05-08 cs.CV cs.LG
Revisiting Modularity Maximization for Graph Clustering: A Contrastive Learning Perspective
Ant Group（蚂蚁集团）
本研究揭示模块度最大化与图对比学习的内在关联，提出以模块度最大化为对比预训练任务的社区感知图聚类框架MAGI，兼具优异聚类性能与超大规模图可扩展性。
2024-06-20 cs.AI cs.LG
Text Classification and Clustering with Annealing Soft Nearest Neighbor Loss
De La Salle University（德拉萨大学）；College of Computer Studies（计算机研究学院）
我们将解纠缠定义为类不同的数据点彼此之间的距离，相对于类相似的数据点之间的距离。当在表示学习过程中最大化解纠缠时，我们获得了一个变换后的特征表示，其中保留了数据点的类成员资格。如果数据点的类成员关系被保留，我们将拥有一个特征表示空间，在该空间中，最近邻分类器或聚类算法将表现良好。我们利用这种方法来学习更好的自然语言表示，并将其用于文本分类和文本聚类任务。通过解纠缠，我们获得了具有更好定义的聚类的文本表示，并提高了文本分类性能。我们的方法在AG News数据集上的测试分类准确率高达90.11%，测试聚类准确率为88%，优于我们的基线模型-没有任何其他训练技巧或正则化。
2021-07-23 cs.CL cs.LG cs.NE
TextClusterLab: An Integrated Framework for Reliable Text Clustering Studies
提出TextClusterLab框架，包含基于大语言模型的文本聚类数据集生成器和基准测试，支持设置聚类属性，用于评估算法鲁棒性和多样性。
2026-05-17 cs.IR cs.LG
Enhancement of Short Text Clustering by Iterative Classification
Dalhousie University（达尔豪西大学）
短文本聚类是一个具有挑战性的任务，由于缺乏信号包含在这样的短文本。在这项工作中，我们提出了迭代分类作为一种方法来浪费聚类质量（例如，准确性）的短文本。给定使用任意聚类算法获得的短文本的聚类，迭代分类应用离群值去除以获得无离群值的聚类。然后，它训练一个分类算法，使用非离群值的基础上，他们的集群分布。使用训练好的分类模型，迭代分类对离群值进行重新分类，以获得一组新的聚类。通过多次重复，我们获得了更好的文本聚类。我们的实验结果表明，所提出的聚类增强方法不仅提高了不同聚类方法的聚类质量（例如，k-means、k-means和分层聚类），而且在几个短文本数据集上的性能也优于现有技术的短文本聚类方法，具有统计上显著的优势。
2020-01-31 cs.CL cs.IR cs.LG
Comparison and Benchmark of Graph Clustering Algorithms
Florida State University（佛罗里达州立大学）
图聚类被广泛应用于生物网络、社交网络等的分析中。十多年来，许多图聚类算法被发表，但没有一个全面和一致的性能比较。在本文中，我们对70多个图聚类程序进行了基准测试，以评估它们在加权和非加权图上的运行时间和质量性能。我们还分析了影响性能的地面实况的特征。我们的工作不仅能够为工程师选择聚类算法提供一个起点，也可以为研究人员设计新的算法提供一个观点。
2020-05-10 cs.IR cs.LG cs.SI
Fast Clustering of Short Text Streams Using Efficient Cluster Indexing and Dynamic Similarity Thresholds
短文本流聚类是一个重要但具有挑战性的任务，因为大量的文本是从不同的来源，如微博，问答和社会新闻聚合网站。对如此大量的文本进行聚类的主要挑战之一是在合理的时间内对它们进行聚类。现有的最先进的短文本流聚类方法不能在合理的时间内对如此大量的文本进行聚类，因为它们计算文本与所有现有聚类之间的相似性以将该文本分配到聚类。为了克服这一挑战，我们提出了一种快速的短文本流聚类方法（称为FastStream），有效地使用倒排索引和计算文本和选定数量的聚类之间的相似性，同时分配一个文本到一个集群的集群索引。通过这种方式，我们不仅减少了我们提出的方法的运行时间，而且减少了几个国家的最先进的短文本流聚类方法的运行时间。FastStream使用基于统计测量的动态计算的相似性阈值将文本分配到聚类（新的或现有的）。因此，我们的方法有效地处理概念漂移问题。实验结果表明，FastStream优于国家的最先进的短文本流聚类方法的显着保证金在几个短文本数据集。此外，FastStream的运行时间比最先进的方法快几个数量级。
2021-01-21 cs.IR
Discrete Optimal Graph Clustering
Shandong Normal University（山东师范大学）；Qilu University of Technology (Shandong Academy of Sciences)（齐鲁工业大学（山东省科学院））；Shandong Computer Science Center (National Supercomputer Center in Jinan)（山东计算机科学中心（国家超级计算济南中心））；Shandong Artificial Intelligence Institute（山东人工智能研究院）；University of Electronic Science and Technology of China（电子科技大学）；San Diego State University（圣地亚哥州立大学）
基于图的聚类是聚类的主要方法之一。大部分工作在三个独立的步骤：相似性图的构建，聚类标签松弛和标签离散化与k-means。这种常见的做法有三个缺点：1）预定义的相似性图通常是固定的，并且对于后续聚类可能不是最佳的。2)聚类标记的松弛过程可能导致显著的信息丢失。3)标签离散化可能偏离真实的聚类结果，因为k均值对聚类质心的初始化敏感。为了解决这些问题，在本文中，我们提出了一个有效的离散最优图聚类（DOGC）框架。一个结构化的相似性图，理论上是最佳的聚类性能自适应学习的指导下，合理的排名约束。此外，为了避免信息丢失，我们显式地对中间连续标签进行离散变换，从而导出具有离散解的易处理的优化问题。此外，为了补偿学习标签的不可靠性并提高聚类精度，我们设计了一个自适应鲁棒模块，该模块基于学习的离散聚类标签学习未知数据的预测函数。最后，一个迭代优化策略的收敛性保证发展直接解决聚类结果。在真实和合成数据集上进行的大量实验表明，与几种最先进的聚类方法相比，我们提出的方法具有优越性。
2019-04-25 cs.IR cs.LG stat.ML
Graph-based data clustering via multiscale community detection
Department of Mathematics, Imperial College London（伦敦帝国学院数学系）；EPSRC Centre for Mathematics of Precision Healthcare, Imperial College London（伦敦帝国学院EPSRC精准医疗数学中心）
我们提出了一个图形理论的方法来进行数据聚类，它结合了创建一个图的数据与马尔可夫稳定性，多尺度社区发现框架。我们展示了该方法的多尺度能力如何允许估计聚类的数量，以及减轻对图构造中的参数的敏感性。我们使用合成和基准的真实数据集比较和评估几个图的构建方法和聚类算法，并表明，多尺度基于图的聚类实现了更好的性能相比，流行的聚类方法，而不需要设置外部的集群的数量。
2020-01-13 cs.IR cs.LG physics.data-an
A Survey on optimization approaches to text document clustering
由于电子表格中存在大量的文本信息，文本聚类是当前发展最快的研究领域之一。有几种技术用于以这样的方式对文档进行聚类，即聚类内的文档与其他聚类具有高的内部相似性和低的内部相似性。许多文档聚类算法在有效地导航、汇总和组织信息时提供本地化搜索。通过应用高速和高质量的优化算法可以获得全局最优解。优化技术在整个解决方案空间中执行全局化搜索。本文对文本聚类的优化方法进行了综述。
2014-01-10 cs.IR
Comparison Clustering using Cosine and Fuzzy set based Similarity Measures of Text Documents
考虑到聚类的高要求，本文重点介绍了使用两种不同的相似性度量来理解和实现K-均值聚类。我们尝试使用两种不同的方法对文档进行聚类，而不是使用欧氏距离进行聚类。并在此基础上对模糊相似性度量和余弦相似性度量的聚类精度进行了比较。聚类的开始时间和结束时间参数用于确定最佳相似性度量。
2015-05-01 cs.IR
Federated Learning for Short Text Clustering
Zhejiang University（浙江大学）
本文针对隐私约束下分布式短文本聚类的空白，提出含鲁棒聚类与联邦中心聚合的FSTC框架，结合最优传输与高斯-均匀混合模型生成可靠伪标签，在三个数据集上性能显著优于现有基线。
2023-11-23 cs.AI cs.CL cs.IR
Clustering and Classification in Text Collections Using Graph Modularity
提出了一种新的文本文档聚类和分类的快速算法。该算法利用二分图实现了集合的词-文档矩阵。也就是说，二分图的模块度被用作优化泛函。使用新算法在一些文本集合上进行的实验显示了具有竞争力的聚类（分类）质量和破纪录的速度。
2011-05-29 cs.DL cs.IR
Estimating the Effective Topics of Articles and journals Abstract Using LDA And K-Means Clustering Algorithm
本文结合LDA、K-Means聚类和WordNet提取期刊与文章摘要中的关键短语，以帮助研究者构建更准确的检索字符串并避免误解。
2025-08-22 cs.IR
An Empirical Comparison of the Summarization Power of Graph Clustering Methods
图聚类技术与它们的摘要能力相比如何？他们能用几个代表性的结构概括一个百万节点的图吗？图聚类或社区发现算法可以根据连贯和紧密连接的聚类来概括图。在本文中，我们比较和对比不同的技术：METIS，Louvain，谱聚类，SlashBurn和KCBC，我们提出的基于k核的聚类方法。与以前的工作，专注于集群质量的各种措施，我们使用的词汇结构，经常出现在真实的图形和最小描述长度（MDL）的原则，以获得每个聚类方法的图形摘要。我们的主要贡献是：（一）制定：我们提出了一个基于总结的聚类方法的评价。我们的方法，VOG-OVERLESS，简明扼要地总结了图形的重要结构，导致小的边缘重叠，和大的节点/边缘覆盖;（ii）算法：我们引入KCBC，一种图形分解技术，其核心是k-核心算法（iii）评估：我们比较了五种聚类技术在大型真实图上的摘要能力，并分析了它们的压缩性能，摘要统计和运行时。
2015-11-21 cs.IR cs.SI
Document clustering using graph based document representation with constraints
文档聚类是一种无监督的方法，其中大量的文档（语料库）被细分为更小的，有意义的，可识别的和可验证的子组（集群）。文档的有意义的表示和隐式地识别模式，在其上执行这种分离，是文档聚类的挑战部分。我们提出了一种基于图的文档表示与约束的文档聚类技术。图数据结构可以很容易地捕捉节点之间的非线性关系，文档包含各种可以非线性连接的特征项，因此图可以很容易地表示这些信息。约束是文档聚类的显式条件，其中背景知识用于为目标聚类的一组文档设置链接或不链接的方向，从而指导聚类过程。我们认为聚类是一个定义不明确的问题，可以有很多聚类结果。背景知识可用于在正确的方向上驱动聚类算法。我们提出了三种不同类型的约束，实例级，语料库级和聚类级约束。一个新的算法约束HAC也提出了将实例级的约束作为先验知识，它将指导聚类过程，导致更好的结果。在合成的和标准的文档聚类数据集上进行了大量的实验，并在标准的聚类度量（如纯度、熵和F-度量）上对结果进行了比较。结果清楚地表明，我们提出的方法导致聚类质量的提高。
2014-12-05 cs.IR
A parameter-free graph reduction for spectral clustering and SpectralNet
The University of Sydney（悉尼大学）
基于图的聚类方法，如谱聚类和SpectralNet，在检测非凸形状的聚类方面非常有效。与流行的$k$ -means不同，基于图的聚类方法不假设每个聚类具有单个均值。然而，这些方法需要一个图，其中同一簇中的顶点由大权重的边连接。为了实现这一目标，许多研究提出了带参数的图约简方法。不幸的是，这些参数必须针对每个数据集进行调整。我们介绍了一个图约简方法，不需要任何参数。首先，使用自适应阈值过滤从每个点$p$到其邻居的距离，以仅保留具有相似周围密度的邻居。第二，计算与近邻的相似性，并且仅保持高相似性。在这两个过滤步骤中幸存下来的边形成了被传递到谱聚类和SpectralNet的构造图。实验表明，我们的方法提供了一个稳定的替代方案，其中其他方法的性能根据其参数的设置而波动。
2023-02-25 cs.AI cs.IR cs.LG
Parallel Clustering of Graphs for Anonymization and Recommender Systems
图聚类被广泛应用于许多数据分析应用中。在本文中，我们提出了几个并行图聚类算法的Monte Carlo模拟和期望最大化的背景下，随机块模型。我们将这些算法应用于推荐系统和社交网络匿名化的具体问题。我们将实验结果与以前的命题进行比较。
2016-09-02 cs.DS cs.IR cs.SI
Mutual Clustering on Comparative Texts via Heterogeneous Information Networks
National University of Defense Technology（国防科技大学）；Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Nanjing University of Science and Technology（南京理工大学）；Shandong University（山东大学）；University of Illinois at Chicago（伊利诺伊大学芝加哥分校）；Tsinghua University（清华大学）；Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所）；Qingdao Academy of Intelligent Industries（青岛智能产业技术研究院）；Macau University of Science and Technology（澳门科技大学）
目前，许多情报系统包含来自多个来源的文本，例如，公告板系统（BBS）帖子、推文和新闻。这些文本可以是“比较”的，因为它们可能在语义上相关，从而为我们提供了对同一主题或事件的不同视角。为了更好地组织多源文本并获得更全面的知识，我们提出了研究比较文本相互聚类（MCCT）的新问题，其目的是同时和协作地对比较文本进行聚类。MCCT问题很难解决，因为1）比较文本通常呈现不同的数据格式和结构，因此它们很难组织，以及2）缺乏有效的方法来连接语义相关的比较文本，以便于以统一的方式对它们进行聚类。为此，本文提出了一个基于异构信息网络的文本聚类框架HINT。HINT首先通过引入共享的“锚文本”来连接比较文本，将多源文本（例如新闻和推文）建模为异构信息网络。其次，构造了基于HINT的两个相似度矩阵和跨文本源知识转移的转移矩阵。然后利用构造的矩阵进行比较文本聚类。最后，提出了一种互聚类算法，通过引入聚类一致性约束，进一步统一了比较文本的聚类结果。我们在三个tweets-news数据集上进行了大量的实验，结果表明了该方法在解决MCCT问题上的有效性和鲁棒性。
2019-03-09 cs.CL cs.IR
Text Clustering as Classification with LLMs
Singapore University of Technology and Design（新加坡科技设计大学）；East China Normal University（华东师范大学）
本文提出将文本聚类重构为分类任务的框架，利用LLM的上下文学习能力生成并合并标签，无需微调嵌入模型，在多个数据集上达到与最先进方法相当或更优的性能，同时大幅降低计算复杂度。
2025-10-07 cs.CL cs.IR
Mean Field Analysis of Personalized PageRank with Implications for Local Graph Clustering
我们分析了个性化PageRank的平均场模型的Erdos-Renyi随机图包含一个密集种植Erdos-Renyi子图。我们调查的制度，个性化PageRank的值集中在平均场值。我们还研究了个性化PageRank中唯一的参数阻尼因子的优化。我们的理论研究结果有助于理解个性化PageRank的适用性及其局限性的局部图聚类。
2018-06-20 cs.IR cs.SI
A Brief Survey of Text Mining: Classification, Clustering and Extraction Techniques
University of Georgia（佐治亚大学）
每天生成的文本数量正在急剧增加。这些大量的非结构化文本不能简单地被计算机处理和感知。因此，需要高效和有效的技术和算法来发现有用的模式。文本挖掘是从文本中提取有意义信息的任务，近年来受到了广泛的关注。在本文中，我们描述了几个最基本的文本挖掘任务和技术，包括文本预处理，分类和聚类。此外，我们简要介绍了文本挖掘在生物医学和医疗保健领域。
2017-07-28 cs.AI cs.CL cs.IR
Self-Taught Convolutional Neural Networks for Short Text Clustering
Institute of Automation, Chinese Academy of Sciences (CAS)（中国科学院自动化研究所）；National Laboratory of Pattern Recognition (NLPR)（模式识别国家重点实验室）；Center for Excellence in Brain Science and Intelligence Technology, CAS（中国科学院脑科学与智能技术卓越创新中心）
由于文本表示的稀疏性，短文本聚类是一个具有挑战性的问题。在这里，我们提出了一个灵活的自学习卷积神经网络框架用于短文本聚类（称为STC ^2），它可以灵活和成功地结合更多有用的语义特征，并以无监督的方式学习无偏见的深度文本表示。在我们的框架中，原始的原始文本特征首先嵌入到紧凑的二进制代码使用现有的无监督降维方法。然后，探索词嵌入并将其馈送到卷积神经网络中以学习深度特征表示，同时输出单元用于在训练过程中拟合预训练的二进制代码。最后，我们通过使用K-means对学习到的表示进行聚类来获得最优聚类。大量的实验结果表明，所提出的框架是有效的，灵活的，优于几个流行的聚类方法进行测试时，在三个公开的短文本数据集。
2017-01-01 cs.CL cs.IR
The Clustering of Author's Texts of English Fiction in the Vector Space of Semantic Fields
Ivan Franko Lviv National University（伊万·弗兰科利沃夫国立大学）
分析了文本在语义场向量空间和正交基语义空间中的聚类问题。结果表明，基于语义场的向量空间模型在英文小说作者文本聚类分析中是有效的。对作者语篇分布的聚类分析表明，存在着代表作者个人思想的语义空间区域。对语义场矩阵进行SVD分解，可以显著降低作者文本聚类分析中语义空间的维数。
2012-12-06 cs.CL cs.DL cs.IR
