摘要
文本边图通过连接性和关系特定的文本来表示交互。从这些图中学习社区结构需要一个编码器，该编码器在结合语义信息和结构信息时能够保留各个关系的相关性。我们提出了用于文本边图上社区检测的双阶段注意力嵌入方法（DAETG）。第一阶段注意力汇总关联边的文本，第二阶段将其系数转化为邻居节点聚合中的可学习先验。在完成拓扑重建预训练后，通过Kullback-Leibler自训练和可微模块化联合优化编码器以及基于质心的社区分配。训练过程使用固定的节点和边文本嵌入以及给定的社区数量，无需类别成员监督。在四个基准图上基于基础版和大型双向Transformer编码器表示（BERT）嵌入的实验表明，该方法具有具有竞争力的社区检测性能，平均提升幅度适中且在不同数据集和评估指标上有所差异。在两个图上的消融实验支持了正确关联的边文本、双阶段编码器以及联合社区优化的贡献。综上，这些结果支持在拓扑结构基础上利用关系特定的文本来学习社区表示。
