AAAI 2026 Oral 之江实验室等提出MoEGCL:在6大基准数据集上刷新SOTA,聚类准确率最高提升超8%!在数字时代,我们常常从不同角度或来源获取关于同一个事物的数据,比如一个新闻事件的文字报道、图片和视频。如何整合这些不同来源(即“多视图”)的数据,并自动地将相似的事物归为一类,是多视图聚类 (Multi-View Clustering) 要解决的核心问题。当前的研究方法在融合这些多视图信息时,通常采用一种较为粗糙的策略,即为每个视图的整体信息分配一个固定的权重再进行融合,这忽略了不同样本之间存在的差异性,导致聚类效果受限。