摘要
文本边图通过连接性和特定关系的文本共同表示节点间的交互关系。从这些图中学习社区结构需要一种编码器，在融合语义信息和结构信息时能够保留各个关系的重要性。本文提出了一种用于文本边图社区检测的双阶段注意力嵌入方法（DAETG）。第一个注意力阶段对关联边的文本进行总结，第二个阶段将其系数转移到邻居节点聚合中，作为可学习的先验。在拓扑重建预训练之后，通过克莱伯-莱布勒自训练和可微模块化联合优化编码器及基于质心的社区分配。训练过程中使用固定的节点和边文本嵌入以及给定的社区数量，无需类别成员关系的监督信号。在四个基准图上的实验，分别使用基础版和大型双向编码器表示（BERT）嵌入，结果显示了具有竞争力的社区检测性能，平均改进幅度适中，且在不同数据集和评估指标间存在差异。在两个图上的消融实验验证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。综合而言，这些结果支持将特定关系的文本与拓扑结构结合使用，以学习社区表示。
