结合多尺度注意力和动态构建的非均匀超图聚类模型

来源：计算机工程与应用杂志2025年第2期北京时间：

作者：朱峰冉, 王慧颖, 林晓丽, 李全鑫, 庞俊

单位：1.武汉科技大学 计算机科学与技术学院，武汉 430065；2.智能信息处理与实时工业系统湖北省重点实验室，武汉 430065；3.国网辽宁省电力有限公司 信息通信分公司，沈阳 110065

摘要：单个较大非均匀超图聚类旨在将非均匀超图包含的节点划分为多个簇，使得同一簇内的节点更相似，而不同簇中的节点更不相似，具有广泛的应用场景。目前，最优的基于超图神经网络的非均匀超图聚类方法CIAH（co-cluster the interactions via attentive hypergraph neural network）虽然较好地学习了非均匀超图的关系信息，但仍存在两点不足：（1）对于局部关系信息的挖掘不足；（2）忽略了隐藏的高阶关系。因此，提出一种基于多尺度注意力和动态超图构建的非均匀超图聚类模型MADC（non-uniform hypergraph clustering combining multi-scale attention and dynamic construction）。一方面，使用多尺度注意力充分学习了超边中节点与节点之间的局部关系信息；另一方面，采用动态构建挖掘隐藏的高阶关系，进一步丰富了超图特征嵌入。真实数据集上的大量实验结果验证了MADC模型在非均匀超图聚类上的聚类准确率（accuracy，ACC）、标准互信息（normalized mutual information，NMI）和调整兰德指数（adjusted Rand index，ARI）均优于CIAH等所有Baseline方法。

关键词：非均匀超图,超图聚类,超图神经网络,多尺度注意力