ADGC – Awesome Deep Graph Clustering

리포지토리 개요

ADGC는 딥 그래프 클러스터링에 관한 큐레이션된 문헌 목록입니다. 이는 그래프 신경망의 하위 분야로, 그래프의 노드를 의미 있는 커뮤니티로 자동으로 그룹화하려는 시도를 다룹니다. 이 리포지토리는 단일 코드베이스를 포함하지 않으며, 대신 논문, 원본 PDF 링크, 그리고 가능할 경우 저자들의 구현 코드 링크를 나열합니다.

왜 중요한가

그래프 클러스터링은 소셜 네트워크 커뮤니티 탐지, 단백질 상호작용 분석, 추천 시스템, 싱글셀 유전체학 등 다양한 실제 문제에 사용됩니다. 최근의 "딥" 접근법은 그래프 신경망(GNN)과 클러스터링 목적을 결합하여, 전통적인 스펙트럴 또는 모듈러리티 기반 방법보다 성능을 개선하는 경우가 많습니다. ADGC는 새로운 모델, 벤치마크, 데이터셋의 빠른 발전을 따라가기 위해 연구자들에게 도움을 줍니다.

리포지토리 구성

섹션	내용
서베이 논문	분야를 종합적으로 요약하고 분류 체계를 제공하는 핵심 개요 논문.
LLM 기반 딥 그래프 클러스터링	대규모 언어 모델을 활용해 클러스터링을 안내하거나 보완하는 연구.
신규 아키텍처 딥 그래프 클러스터링	새로운 GNN 설계, 강화학습 기법, 쌍곡선 임베딩 등 제안하는 논문.
시계열 딥 그래프 클러스터링	시간이 지남에 따라 변화하는 그래프를 다루는 방법.
사전에 클러스터 수를 지정하지 않는 클러스터링	미리 k 값을 지정할 필요가 없는 접근법.
재구성 기반 딥 그래프 클러스터링	그래프 구조를 재구성하면서 클러스터링하는 오토인코더 스타일 모델.
테이블	각 항목은 논문의 발표 연도, 제목, 발표 장소, 논문 링크, 그리고 (존재할 경우) 코드 리포지토리 링크를 제공합니다.

사용 방법

1. 주제 찾기 – 예: "시계열 클러스터링" 또는 "LLM 기반 클러스터링".
2. 최신 논문 확인 – 리스트는 2026개 항목으로 최신 상태를 유지하고 있습니다.
3. 논문 링크 클릭하여 PDF를 읽고, 코드 링크가 제공되면 저자 리포지토리에서 직접 구현을 클론할 수 있습니다.
4. 인용하기 – README는 데이터셋이나 코드를 재사용할 때 리스트의 논문 2~3편을 인용해 달라고 요청합니다.

이 리포지토리를 봐야 할 사람

• 그래프 클러스터링 프로젝트를 시작하는 대학원생 또는 박사 후 연구원.
• 데이터 파이프라인에서 커뮤니티 탐지에 최신 오픈소스 구현이 필요한 실무자.
• 최근 기여를 정리한 리스트가 필요한 리뷰어 또는 서베이 작성자.

---

위 모든 정보는 리포지토리의 README에서 직접 가져왔으며, 리포지토리는 실행 가능한 소프트웨어를 호스팅하지 않습니다.