[
    {
        "id": "osp-15090",
        "type": "article-journal",
        "title": "التراص والاتساق: إطار مشترك لتجميع الرسوم البيانية العميق",
        "author": [
            {
                "family": "Ju",
                "given": "Wei"
            },
            {
                "family": "Yi",
                "given": "Siyu"
            },
            {
                "family": "Zheng",
                "given": "Kangjie"
            },
            {
                "family": "Wang",
                "given": "Yifan"
            },
            {
                "family": "Qiao",
                "given": "Ziyue"
            },
            {
                "family": "Shen",
                "given": "Li"
            },
            {
                "family": "Zhou",
                "given": "Yongdao"
            },
            {
                "family": "Cao",
                "given": "Xiaochun"
            },
            {
                "family": "Lv",
                "given": "Jiancheng"
            }
        ],
        "URL": "https://omanscience.com/ar/articles/compactness-and-consistency-a-conjoint-framework-for-deep-graph-clustering",
        "language": "en",
        "issued": {
            "date-parts": [
                [
                    2026
                ]
            ]
        },
        "abstract": "التجميع البياني مهمة أساسية في تحليل البيانات، وتهدف إلى تجميع العقد ذات الخصائص المتشابهة في الرسم البياني ضمن مجموعات. وقد استُكشفت هذه المشكلة على نطاق واسع باستخدام الشبكات العصبية البيانية (GNNs) لقدرتها على الاستفادة من سمات العقد وطوبولوجيا الرسم البياني لتعيين المجموعات بفعالية. غير أن التمثيلات التي تتعلمها هذه الشبكات تعجز عادة عن التقاط العلاقات الشاملة بين العقد عبر آليات التمرير الرسائلي المحلية. كما أن التكرار والضوضاء الكامنان في بيانات الرسم البياني قد يجعلان تمثيلات العقد تفتقر إلى الإحكام والمتانة. ولمعالجة هذه المسائل، نقترح إطاراً مشتركاً يسمى CoCo، يلتقط الإحكام والاتساق في تمثيلات العقد المتعلَّمة للتجميع البياني العميق. ويستخدم CoCo مرشحات التفاف بيانية لتعلم تمثيلات عقد متينة من منظورين محلي وشامل، ثم يرمّزها إلى تضمينات مضغوطة منخفضة الرتبة، مما يزيل التكرار والضوضاء بفعالية ويكشف البنية الداخلية الكامنة. ولإثراء دلالات العقد أكثر، نطور استراتيجية تعلم اتساق قائمة على التضمينات المضغوطة لتيسير نقل المعرفة من المنظورين. وتُظهر نتائجنا التجريبية أن CoCo يتفوق على أحدث الطرق المنافسة في مجموعات بيانات متنوعة."
    }
]