学术与产业间的桥梁：面向归因图聚类的综合基准
机器学习
2026-02-10 v1
摘要
归因图聚类（AGC）是一种基础的无监督任务，融合结构拓扑与节点属性，以揭示图结构数据中潜在模式。尽管其在反欺诈和用户细分等工业应用中具有重要意义，但当前评估协议仍存在显著鸿沟：数据规模较小且同质性高的引文数据集、不可扩展的全批处理范式，以及依赖监督指标且无法反映标签稀缺环境中性能的局限。为弥合这些差距，我们提出PyAGC：一个全面且生产就绪的基准与库，旨在跨越多样规模和结构特性对AGC方法进行压力测试。我们将现有方法统一为模块化的编码-聚类-优化框架，并首次提供面向广泛SOTA AGC算法的内存高效 mini-batch 实现。本基准精选12个多样数据集，规模从2.7K节点扩展至1.11亿节点，特别包含复杂表格特征且同质性较低的工业图。此外，我们主张采用全面的评估协议，要求在传统监督指标之外，强制使用无监督结构指标和效率分析。该基准已在阿里巴巴集团的高风险工业工作流程中实战检验，为社区提供了一个稳健、可复现且可扩展的平台，推动AGC研究向真实部署迈进。代码与资源已公开于GitHub（https://github.com/Cloudy1225/PyAGC）、PyPI（https://pypi.org/project/pyagc）及文档（https://pyagc.readthedocs.io）。
引用
@article{arxiv.2602.08519,
title = {Bridging Academia and Industry: A Comprehensive Benchmark for Attributed Graph Clustering},
author = {Yunhui Liu and Pengyu Qiu and Yu Xing and Yongchao Liu and Peng Du and Chuntao Hong and Jiajun Zheng and Tao Zheng and Tieke He},
journal= {arXiv preprint arXiv:2602.08519},
year = {2026}
}