ADGC – Awesome Deep Graph Clustering

仓库简介

ADGC 是 深度图聚类 研究的精选文献列表。这是图神经网络的一个子领域，旨在自动将图的节点分组为有意义的社区。该仓库 不包含 任何单一代码库；相反，它列出了论文、原始PDF链接，以及（如有）作者实现的代码链接。

为何重要

图聚类被广泛应用于许多现实世界的问题：社交网络社区检测、蛋白质相互作用分析、推荐系统以及单细胞基因组学。最近的“深度”方法将图神经网络（GNN）与聚类目标相结合，通常优于传统的谱方法或基于模块度的方法。ADGC 帮助研究人员跟上新模型、基准测试和数据集的快速进展。

仓库组织方式

部分	内容
综述论文	总结该领域并提供分类体系的关键概述文章。
基于大语言模型的深度图聚类	利用大语言模型来指导或增强聚类的工作。
新型架构的深度图聚类	提出新型GNN设计、强化学习技巧、双曲嵌入等的论文。
时序深度图聚类	处理随时间演化的图的方法。
无需预设聚类数量的聚类	不需要预先指定 k 的方法。
重构型深度图聚类	以自编码器风格重建图结构的同时进行聚类的模型。
表格	每个条目包含年份、标题、会议、论文链接，以及（如有）代码仓库链接。

如何使用

1. 查找主题 – 例如“时序聚类”或“LLM引导的聚类”。
2. 浏览表格 查看最新论文（列表保持更新，共2026项）。
3. 点击论文链接 阅读PDF；若提供代码链接，可直接从作者仓库克隆实现。
4. 引用 – README要求用户在重用数据集或代码时引用2-3篇列出的论文。

适合阅读的人群

• 刚开始图聚类项目的研究生成员或博士后。
• 需要在数据管道中使用最新开源实现进行社区检测的实践者。
• 希望快速获得近期贡献清单的审稿人或综述撰写者。

---

以上所有信息均直接来自仓库的README；该仓库本身不托管任何可执行软件。