Structural Deep Clustering Network 摘要速览

https://arxiv.org/pdf/2002.01633.pdf

本文研究聚类，深度学习，如autoencoder，促进了聚类研究的发展，发现好的向量表示是必备的一环，
本文结合GCN做聚类，提出Structural Deep Clustering Network (SDCN)，
具体，我们设计一个 传送操作 来将autoencoder学习的向量表示 传送到GCN，以及设计一个自监督的机制来 统一两种不同的神经网络 来训练整个模型，
这样，多种数据的结构 的向量表示，就都结合成一种，
更多的，我们理论分析这个 传送操作，发现GCN在有 传送操作 的情况下，GCN会提升autoencoder的向量表示效果
实验结果说明我们提出的模型达到业界最好水平。

deep clustering基本思想是 结合深度学习的向量表示能力 来实现聚类，也就是有效学习数据的向量表示，
比如用autoencoder学习的向量表示再做K-means聚类的方法，利用了聚类的loss来帮助autoencoder学习。