Awesome-Deep-Graph-Clustering

Awesome-Deep-Graph-Clustering是一个关于深度图聚类的数据集、论文和代码的资源集合。该合集专注于收集和整理深度图聚类领域的最新方法、算法和数据集，覆盖图结构数据中的节点聚类任务，旨在为研究人员提供全面的资源索引，包括重要综述论文、具体研究论文和相关数据集。

Awesome-Deep-Graph-Clustering is a curated collection of datasets, papers and code dedicated to deep graph clustering. This collection focuses on collecting and organizing state-of-the-art methods, algorithms and datasets in the domain of deep graph clustering, covering node clustering tasks on graph-structured data. It aims to provide researchers with a comprehensive resource index, including important review papers, original research papers and relevant datasets.

原始信息汇总

数据集详情总结：Awesome Deep Graph Clustering (ADGC)

概述

ADGC 是一个收录最新、最先进的深度图聚类方法（包括论文、代码和数据集）的集合。该仓库旨在为研究人员和从业者提供全面的深度图聚类资源。如有任何问题，可通过 [e-mail] 联系维护者。

主要收录内容

仓库按技术类别整理了多篇论文，每篇论文均包含年份、标题、发表会议/期刊、论文链接以及代码链接（如有）。主要类别包括：

• 基于大语言模型 (LLM) 的深度图聚类：如 2024 年的“Large Language Model Guided Graph Clustering”。
• 新架构深度图聚类：如 2024 年的“Kolmogorov-Arnold Network (KAN) for Graphs”。
• 时序深度图聚类：如 2024 年的“Deep Temporal Graph Clustering (TGC)”。
• 未知簇数深度图聚类：如 2024 年的“NeuroCUT: A Neural Approach for Robust Graph Partitioning”和“LSEnet”。
• 重构深度图聚类 (Reconstructive)：此类别收录论文最多，包含多种基于自编码器或图卷积网络的聚类方法，例如 2023 年的“EGRC-Net”和“Beyond The Evidence Lower Bound (BELBO-VGAE)”，以及 2020 年的“Structural Deep Clustering Network (SDCN)”。
• 对抗深度图聚类：如 2023 年的“Wasserstein Adversarially Regularized Graph Autoencoder (WARGA)”。

重要综述论文

列表中还包含了多篇关于深度图聚类、社区检测和图神经网络的综合性综述论文，发表于 TCSS、TNNLS、IJCAI 等顶级期刊和会议，为该领域提供了全面的背景知识。

附加信息

• 联系邮箱：[e-mail]
• 引用要求：仓库鼓励使用者引用其提供的参考文献。