ADGC – Awesome Deep Graph Clustering

リポジトリの概要

ADGC は ディープグラフクラスタリング に関する研究のキュレートされた文献目録です。これはグラフニューラルネットワークのサブフィールドであり、グラフのノードを意味のあるコミュニティに自動的にグループ化することを目指しています。このリポジトリには単一のコードベースは含まれていません。代わりに、論文、オリジナルのPDFへのリンク、および（利用可能な場合）著者の実装へのリンクをリストアップしています。

なぜ重要なのか

グラフクラスタリングは、ソーシャルネットワークのコミュニティ検出、タンパク質相互作用解析、レコメンデーションシステム、シングルセルゲノミクスなど、多くの現実世界の問題に応用されています。最近の「ディープ」アプローチは、グラフニューラルネットワーク（GNN）とクラスタリング目的を組み合わせ、従来のスペクトル法やモジュラリティベースの手法を上回ることが多いです。ADGCは、新しいモデル、ベンチマーク、データセットの急速な進展に対応するための研究者を支援します。

リポジトリの構成

セクション	内容
サーベイ論文	分野の概要をまとめ、分類体系を提供する主要なレビュー記事。
LLMベースのディープグラフクラスタリング	大規模言語モデルを用いてクラスタリングをガイドまたは補完する研究。
新アーキテクチャのディープグラフクラスタリング	新しいGNN設計、強化学習のテクニック、双曲埋め込みなどに関する論文。
時系列ディープグラフクラスタリング	時間とともに変化するグラフを扱う手法。
クラスタ数を事前に指定しないクラスタリング	事前に k を指定する必要のないアプローチ。
再構成型ディープグラフクラスタリング	グラフ構造を再構成しながらクラスタリングを行うオートエンコーダー型モデル。
テーブル	各エントリには、発表年、タイトル、会議名、論文へのリンク、および（存在する場合）コードリポジトリへのリンクが含まれます。

使い方

1. トピックを検索 – 例：「時系列クラスタリング」や「LLMガイド付きクラスタリング」。
2. 最新の論文をテーブルで確認（2026件のエントリを最新状態に保っています）。
3. 論文リンクをクリックしてPDFを読む。コードリンクがある場合は、著者のリポジトリから直接実装をクローンできます。
4. 引用 – READMEでは、データセットやコードを再利用する際、リスト内の論文2〜3本を引用するよう依頼しています。

このリポジトリを読むべき人

• グラフクラスタリングのプロジェクトを始める大学院生やポスドク。
• データパイプライン内でコミュニティ検出に最新のオープンソース実装が必要な実務家。
• 最近の貢献を一覧できる準備ができているレビュー担当者やサーベイ執筆者。

---

上記のすべての情報は、リポジトリのREADMEから直接取得しています。リポジトリ自体は実行可能なソフトウェアをホストしていません。