打破结构孤立：通过社区感知采样和结构熵实现可扩展图聚类

无监督图聚类是大规模网络中揭示潜在语义模式的基础技术。然而，现有基于图对比学习的方法在迷你批次训练中常遭遇“结构孤立”问题，即每个批次仅包含局部子图，无法捕获表征全局拓扑分布的紧密社区结构。为解决这一挑战，来自研究机构的Jingyun Zhang等人提出了SCISE（可扩展无监督图聚类框架），通过协同社区感知采样与约束结构熵来保持结构完整性。该成果已被数据库领域顶级国际会议VLDB 2026接收。

SCISE框架由三个核心模块组成。首先，结构熵社区约束算子（SECC）在约束解空间内优化结构信息，通过最小化结构熵来减轻社区碎片化并增强分区凝聚力。结构熵是衡量图结构不确定性的度量，SECC通过约束解空间确保分区结果符合全局拓扑规律。其次，社区感知采样扩展（CSampE）机制解决了批次训练中的全局信息丢失问题。传统随机采样可能将同一社区的节点分散到不同批次，导致社区结构被破坏。CSampE通过将目标节点的社区上下文纳入采样批次，有效打破结构障碍并保持拓扑完整性。最后，结构对比学习（StructCL）模块基于批次内节点间的结构相似性细化边权重，引导图编码器在高阶结构空间中学习表示，从而捕捉深层次的社区模式。

在Cora、Citeseer、Pubmed、DBLP、Amazon Photos和Amazon Computers这六个主流基准数据集上，SCISE在聚类准确率、归一化互信息等指标上均显著超越现有最先进算法。消融研究证实了每个模块的贡献：移除SECC后性能平均下降8%，移除CSampE下降12%，移除StructCL下降10%。鲁棒性分析显示，SCISE对噪声边和缺失边具有较好的容忍度，适用于现实世界的大规模图数据。代码和数据集已公开在GitHub上供研究者复现。

SCISE为解决图聚类中的结构孤立问题提供了全新思路，其社区感知采样与结构熵约束的结合为处理大规模图数据提供了可扩展的解决方案。未来工作可进一步将SCISE扩展到动态图和多模态图场景。