TCC-MVGC：基于张量的多视图图数据共识聚类

《Knowledge-Based Systems》：TCC-MVGC: Tensor-based Consensus Clustering for multi-view graph data

　　

从多个图视图中整合异构信息仍然是多视图聚类中的一个重要挑战。现有方法往往在高阶跨视图相关性建模方面存在不足，依赖简单的融合策略，无法捕捉拓扑结构与节点属性之间微妙的交互关系，同时在大规模图上还面临可扩展性瓶颈。为克服这些局限，我们提出了TCC-MVGC，一种基于张量的多视图图聚类共识聚类框架。我们的框架引入了三个关键创新：（1）基于Tucker分解的张量表示，显式建模视图间的高阶相关性；（2）具有角色分工的协同融合机制，使各视图专注于自身优势（如结构或属性），并通过跨视图注意力交换知识；（3）高效的共识学习模块，利用局部敏感哈希进行相似度近似和Nystr?m方法进行可扩展谱聚类，实现近线性复杂度。在七个基准数据集（包括ACM、DBLP和百万节点的Reddit-MV）上的广泛实验表明，TCC-MVGC在四个评估指标上一致优于12种最先进方法，平均排名达到最佳的1.3。值得注意的是，我们的张量表示在异构数据集上相比基于矩阵的方法带来了8.7%的准确率提升。所提出的框架为现实世界的多视图图分析提供了稳健、高效且可解释的解决方案。TCC-MVGC的源代码已在GitHub上公开发布：https://github.com/pn529/TCC-MVGC

引言

多视图图聚类已成为一种通过分析由多种数据视角表示的复杂系统的关键技术。在社交网络、生物系统和推荐引擎等现实应用中，数据天然具有多面性特征，每个视图捕捉底层结构的不同但互补的方面[1]。传统的单视图聚类方法虽然对同质数据有效，但由于无法利用跨视图信息协同作用，在多视图场景中显得力不从心[2]。

多视图图数据的整合面临三个现有方法难以全面应对的基本挑战。首先，不同视图的异构性需要先进的融合机制，在保留视图特定特征的同时实现有意义的整合[3]。其次，图拓扑与节点属性之间的复杂相互依赖需要联合建模方法，以确保聚类结果具有语义一致性[4]。第三，实际应用要求可扩展的解决方案，能够在不损害聚类质量的前提下处理具有数百万节点的图[5]。

当前多视图图聚类方法面临若干持续存在的挑战，限制了其实际效果。通过对现有方法及其在现实数据集上性能的大量分析，我们识别出三个主要局限：

**高阶交互建模受限，尤其是涉及图结构的高阶交互建模。** 尽管高阶相关性已在多视图数据中得到研究，但有效地将图拓扑视图与节点属性视图整合到一个统一的高阶模型中仍然是一个重大挑战[6]。现有的基于矩阵的表示主要只捕捉视图之间的成对关系[7]，即使新兴的基于张量的方法通常也仅关注特征视图，在捕捉连接模式与节点语义之间复杂的多元依赖关系方面存在空白。我们在DBLP数据集上的初步实验表明，仅捕捉成对相关性的方法相比考虑三方交互的方法准确率降低了约7%至8%。未能捕捉这些多元依赖关系通常会导致融合过程中的信息退化，最终损害具有多样或互补视图场景中的聚类性能。

**结构与属性信息的融合欠佳且缺乏灵活性。** 当前方法往往将图拓扑和节点属性视为独立组件，使用加权平均或简单拼接等基本融合策略[8]。这些静态的、预定义的策略无法动态捕捉不同视图在各聚类的上下文中可能扮演的互补角色。这种过度简化无法捕捉连接模式与语义属性之间的微妙交互，往往导致拓扑内聚但语义碎片化的聚类，或反过来，语义连贯但拓扑分散的聚类。例如，在社交网络分析中，这种局限表现为社区结构连接良好但用户属性缺乏主题连贯性。

**整体多视图图聚类的可扩展性瓶颈。** 许多最先进的多视图聚类算法相对于图规模呈现二次或三次计算复杂度[9]。虽然存在可扩展的近似技术（例如用于单视图聚类），但将其直接应用于多视图图聚类——这需要联合保留细微的视图交互和结构细节——通常迫使做出权衡：要么为效率牺牲丰富的多视图建模，要么模型对大图变得计算不可行[10]。我们的分析表明，传统谱聚类方法在标准硬件上处理仅有100,000个节点的图需要超过48小时。缺乏有效的、原生设计的近似技术用于全面的多视图图聚类，进一步加剧了这些可扩展性挑战。

为克服上述局限，我们提出了TCC-MVGC（基于张量的多视图图数据共识聚类），一个集成框架，做出以下贡献：

- **用于高阶相关性建模的张量表示。** 我们开发了一种新的基于张量的表示，捕捉视图间复杂的多元交互，克服了成对相关模型的局限。通过具有自适应秩选择的Tucker分解，我们的方法学习视图特定的重要性权重并识别细微的多视图依赖关系，实现更全面的信息整合。我们的基于张量的表示在聚类准确率上相比基于矩阵的方法带来显著提升，尤其在多视图高阶交互显著的异构数据集上。性能提升在多个基准上均有体现，详见第5.2节。

- **具有专业化视图角色的协同融合机制。** 我们设计了一种角色专业化的融合策略，允许不同视图专注于各自的长处——无论是结构模式还是属性信息——同时通过跨视图知识交换弥补各自弱点。该机制根据视图特征动态分配角色（如结构专家、内容专家），实现视图间更一致的聚类分配。消融研究（表4）显示，移除角色专业化模块导致准确率平均下降1.6%，凸显了其在促进稳健多视图共识中的作用。

- **具有高效近似的可扩展共识学习。** 我们整合了局部敏感哈希进行近似相似度计算和Nystr?m近似实现可扩展谱聚类，在保持大规模图聚类质量的同时实现近线性复杂度。我们的实现将计算时间从O(n3)降至O(m3 + nm2)，其中m?n，使百万节点图能在实际时间内处理。

- **全面的实验验证。** 我们在七个涵盖学术网络、社交网络和电商图的基准数据集上进行了广泛实验，证明在四个评估指标上一致优于12种最先进方法。该框架在异构数据集上表现尤为突出，在七个数据集中的五个上达到最高准确率，在剩余两个上也取得有竞争力的结果（表3）。此外，我们的方法平均排名达到最佳的1.3，显著优于第二名的方法（MGCC平均排名为2.8）。

本文其余部分结构如下。第2节正式定义多视图图聚类问题，并提出说明我们方法实际意义的示例。第3节详细介绍TCC-MVGC架构，包括张量表示学习、协同融合机制和高效共识聚类策略。第4节描述算法实现细节，重点介绍计算优化。第5节呈现全面的实验结果、消融研究和参数敏感性分析。第6节回顾相关工作，并批判性分析方法学联系与区别。最后，第7节总结我们的发现并指出多视图图分析未来研究的前景方向。

问题陈述

我们从正式定义多视图图聚类问题开始。考虑一个具有V个视图的多视图图G = {G?, G?, ..., G?}，其中每个视图G? = (A?, X?)由捕捉拓扑结构的邻接矩阵A? ∈ R???和表示属性信息的节点特征矩阵X? ∈ R????组成。主要目标是将n个节点划分为K个紧密的聚类，使得每个聚类内的节点在多个视图中表现出相似的连接模式和属性特征。

**TCC-MVGC：多视图图数据的基于张量的共识聚类**

在本节中，我们介绍TCC-MVGC的详细设计，这是一个全面的多视图图聚类框架，整合了基于张量的表示学习、协同视图融合和高效共识聚类。我们首先在3.1节介绍基于张量的多视图表示学习模块，随后在3.2节介绍协同视图融合机制，最后在3.3节介绍高效的共识图学习和聚类方法。

**系统概述**

图1展示了TCC-MVGC的整体系统架构，包括三个主要计算流水线：

- **张量表示流水线：** 处理多视图图数据加载、张量构建和Tucker分解。
- **协同融合流水线：** 实现视图角色专业化、跨视图注意力和自适应融合。
- **高效聚类流水线：** 执行基于LSH的相似度计算、共识图构建和Nystr?m加速的谱聚类。

**基于张量的多视图表示学习算法**

**数据集**

我们在七个基准多视图图数据集上评估TCC-MVGC，涵盖学术网络、社交网络和电商系统等不同领域。这些数据集具有不同的规模、视图配置和领域特征，能够对多视图聚类性能进行全面评估。ACM数据集代表了一个学术论文的引用网络，具有共引关系和主题关系视图。DBLP扩展了这一学术背景。

**相关工作**

在本节中，我们回顾与TCC-MVGC框架相关的现有研究，聚焦于四个关键方面：多视图图聚类方法、基于张量的表示学习、可扩展聚类算法和高级图表示技术。

**结论**

本文提出了TCC-MVGC，一种用于多视图图数据的基于张量的共识聚类框架，通过高阶相关性建模、角色专业化融合和可扩展共识学习，解决了现有方法的关键局限。我们的方法通过引入基于张量的高阶相关性建模、具有角色专业化的协同视图融合和高效共识图学习，解决了现有方法的局限。广泛的实验证明...

**CRediT作者贡献声明**

Peng Ning：撰写——初稿、方法论、资金获取。Yu Shuai：验证、数据管理。

**利益冲突声明**

作者声明不存在可能影响本文所述工作的已知竞争性经济利益或个人关系。

**致谢**

本工作得到山西省大数据分析与并行计算重点实验室基金（BDPC-24-002）资助。

Ning Pang | Shuai Yu