HeteGCD异质图广义类别发现方法发布

2026年10月28日，arXiv平台发表研究论文，Xuanzhi Xi等人提出名为HeteGCD的统计感知双原型学习框架。该研究旨在解决异质图广义类别发现中缺乏新类监督信号的技术难题。 该方法核心包含门控双流编码器，融合节点属性与局部属性差异统计；同时采用双原型分类器，结合特征相似度与分布一致性机制以提升识别精度。 实验结果显示，在五个异质图数据集上，HeteGCD相较于24个基线组合取得了具有竞争力的性能，验证了其在异质图广义类别发现任务中的有效性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。