Resumo Técnico: RHEA – Reconstrução e Atribuição Harmonizada por Confiabilidade para Agrupamento de Grafos Multimodais Robusto

1. Definição do Problema

Grafos com atributos multimodais (MAGs) representam nós com atributos heterogêneos (por exemplo, texto e imagens) sobre uma estrutura relacional, servindo como base para tarefas como descoberta de comunidades e segmentação de produtos. Embora os métodos atuais de agrupamento de grafos multimodais tenham um bom desempenho quando os atributos estão limpos e completos, eles degradam significativamente sob condições do mundo real, onde os atributos são ruidosos, corrompidos ou ausentes.

A limitação central das abordagens atuais é sua suposição implícita de que a confiabilidade da modalidade é uniforme para todos os nós. Na prática, a confiabilidade é específica do nó: uma imagem pode estar corrompida para um nó, enquanto seu texto está incompleto, ou vice-versa. Os métodos existentes falham em distinguir entre modalidades confiáveis e não confiáveis no nível do nó individual, levando a representações fundidas contaminadas por ruído ou incapazes de compensar dados ausentes. Além disso, em configurações não supervisionadas, não existem rótulos para inferir essa confiabilidade, o que apresenta um desafio fundamental: como estimar a confiabilidade da modalidade específica do nó sem supervisão.

2. Metodologia: RHEA

Os autores propõem o RHEA (Reconstrução e Atribuição Harmonizada por Confiabilidade), um framework que utiliza o princípio da homofilia de atributos — a observação de que nós vizinhos tendem a compartilhar atributos semânticos semelhantes — para estimar a confiabilidade e guiar o agrupamento.

2.1 Estimativa de Confiabilidade por Consenso de Vizinhança

O RHEA estima um campo de confiabilidade de modalidade específico do nó $\rho_{i,m} \in [0, 1]$ de maneira totalmente não supervisionada.

• Mecanismo: Para cada nó $i$ e modalidade $m$, o método calcula uma pontuação de concordância de vizinhança intra-modal $a_{i,m}$ baseada na similaridade de cosseno entre o embedding do nó e os embeddings de seus vizinhos naquela modalidade.
• Campo de Confiabilidade: Essas pontuações de concordância são convertidas em uma distribuição de probabilidade sobre as modalidades para cada nó usando uma função softmax com um parâmetro de temperatura $\tau$. Uma modalidade consistente com sua vizinhança recebe alta confiabilidade; uma que diverge recebe baixa confiabilidade.

2.2 Aprendizado de Representação Consciente de Confiabilidade

Uma vez estimada a confiabilidade, o RHEA reconstrói e funde representações de forma adaptativa:

• Reconstrução: Se uma modalidade estiver ausente ou se sua pontuação de confiabilidade estiver abaixo de um limiar $\gamma$, a representação é reconstruída agregando embeddings de nós vizinhos que possuem dados observados e confiáveis. Isso evita a propagação de sinais ausentes ou corrompidos.
• Estimativa de Confiança: Uma pontuação de confiança de reconstrução $c_i$ é calculada com base no número de vizinhos disponíveis e na variância de seus embeddings. Isso serve como uma medida de confiabilidade absoluta.
• Fusão Adaptativa: O embedding fundido final $z_i$ é uma soma ponderada de embeddings específicos de modalidade, onde os pesos são determinados pela confiabilidade estimada $\rho_{i,m}$. Se uma modalidade for reconstruída, o embedding reconstruído é utilizado; caso contrário, o embedding observado original é mantido.

2.3 Agrupamento Consciente de Confiabilidade

A etapa de agrupamento utiliza as informações de confiabilidade para otimizar as atribuições de cluster via Transporte Ótimo (OT) e Destilação de Atribuição:

• OT Consciente de Confiabilidade: O custo de transporte entre os embeddings dos nós e os protótipos de cluster é computado. Crucialmente, as marginais de linha do plano de transporte são ponderadas pela confiança de reconstrução $c_i$. Isso garante que nós com reconstruções incertas contribuam menos para a massa do plano de transporte, reduzindo sua influência na atribuição final.
• Destilação de Atribuição por Consenso de Vizinhança (NCRC): Para regularizar ainda mais as atribuições, uma atribuição de cluster suave é propagada pelo grafo ao longo de $L$ saltos. Este alvo de consenso de vizinhança é refinado e usado como um objetivo de destilação para encorajar atribuições de cluster localmente consistentes, particularmente para nós onde a evidência direta é fraca.

2.4 Otimização

O modelo é treinado de ponta a ponta minimizando uma função de objetivo conjunta que compreende:

1. Perda de Agrupamento ($L_{clu}$): O custo de transporte ótimo.
2. Perda de Destilação ($L_{ncrc}$): A perda de atribuição por consenso de vizinhança.
3. Perdas Auxiliares de Contraste: Uma perda contrastiva de caminhada no grafo ($L_{nbr}$) para preservar a invariância consciente da topologia e uma perda de alinhamento cross-modal ($L_{mod}$) para alinhar as representações específicas de modalidade com o embedding fundido.

3. Principais Contribuições

O artigo identifica três contribuições primárias:

1. Insights Valiosos: Os autores identificam a confiabilidade da modalidade específica do nó como um componente ausente para o agrupamento robusto de MAGs. Eles demonstram que as vizinhanças de grafos fornecem evidências sem supervisão para estimar essa confiabilidade sob homofilia de atributos.
2. Método Inovador: O RHEA é proposto como um framework unificado onde um sinal de confiabilidade compartilhado por consenso de vizinhança guia simultaneamente:
   • A reconstrução de atributos baseada em grafos.
   • A fusão multimodal adaptativa.
   • O agrupamento por transporte ótimo consciente da topologia.
3. Desempenho de Estado da Arte: Experimentos extensivos mostram melhorias consistentes sobre os métodos existentes, com ganhos tornando-se mais pronunciados conforme a qualidade dos atributos deteriora.

4. Resultados Experimentais

O RHEA foi avaliado em quatro benchmarks de MAG (RedditS, Toys, Grocery, Amazon) sob cinco condições de atributos: padrão (limpo), corrupção de imagem, ausência de imagem, corrupção de texto e ausência de texto.

• Configuração Padrão: O RHEA alcançou o melhor desempenho em todos os quatro conjuntos de dados e em todas as métricas (NMI, ACC, ARI, F1), superando bases fortes como DGF e DMGC.
• Robustez à Perturbação: Sob modalidades corrompidas ou ausentes, o RHEA superou consistentemente todos os baselines. A lacuna de desempenho aumentou conforme a severidade da perturbação aumentou. Por exemplo, no conjunto de dados RedditS com 80% de ausência de imagem, o RHEA manteve um NMI de 0,729, enquanto o segundo melhor método (DGF) caiu para 0,647.
• Detecção de Confiabilidade: Demonstrou-se que o campo de confiabilidade aprendido detecta com precisamente a corrupção injetada sinteticamente, alcançando um AUROC consistentemente superior a 0,95 em todos os conjuntos de dados.
• Estudos de Ablação: Remover o módulo de reconstrução causou a maior queda de desempenho sob ausência de dados, enquanto remover o controle de confiabilidade (gating) causou a maior queda sob corrupção. Isso confirma que a reconstrução lida com dados ausentes, enquanto o controle evita a injeção de ruído em dados corrompidos.

5. Significância e Alegações

O artigo afirma que o RHEA demonstra a importância de modelar a confiabilidade induzida pelo grafo e específica do nó para o aprendizado de representação multimodal robusto. Ao tratar a confiabilidade como uma variável latente que varia entre nós e modalidades, em vez de uma propriedade global, o framework repara efetivamente observações não confiáveis usando o contexto estrutural local.

Os autores posicionam o RHEA como uma solução para a "suposição de dados limpos" prevalente nos métodos atuais de agrupamento de MAG. Eles argumentam que o contexto estrutural local fornece um sinal eficaz para identificar observações não confiáveis, permitindo um agrupamento robusto mesmo quando a qualidade dos dados é heterogênea. O artigo conclui observando que trabalhos futuros investigarão a extensão do framework para grafos de baixa homofilia e heterofilia, reconhecendo que o método atual depende da suposição de que os vizinhos compartilham atributos semelhantes.