arXiv · cs.AI· Xuanzhi Xi·· 22 小时前AI 评分18
HeteGCD：异质图上广义类别发现的双原型学习新方法
HeteGCD: Statistics-Aware Dual-Prototype Learning for Generalized Category Discovery on Heterophilous Graphs
来源与原文
arXiv · cs.AI
作者：Xuanzhi Xi
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.36696v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出 HeteGCD，一种面向异质图广义类别发现（GCD）的统计感知双原型学习方法。该方法用门控双流编码器融合节点属性与局部属性差分统计学习表示，再以双原型分类器结合特征相似度与分布一致性完成类别发现。在五个异质图数据集上，HeteGCD 与 24 种基线组合相比取得了有竞争力的性能。
来源：arXiv · cs.AI · arxiv.org