Pont entre le monde académique et l'industrie : Un benchmark complet pour le clustering de graphes attribués
Bridging Academia and Industry: A Comprehensive Benchmark for Attributed Graph Clustering
February 9, 2026
papers.authors: Yunhui Liu, Pengyu Qiu, Yu Xing, Yongchao Liu, Peng Du, Chuntao Hong, Jiajun Zheng, Tao Zheng, Tieke He
cs.AI
papers.abstract
Le clustering de graphes attribués (AGC) est une tâche non supervisée fondamentale qui intègre la topologie structurelle et les attributs des nœuds pour découvrir des motifs latents dans les données structurées en graphes. Malgré son importance dans des applications industrielles telles que la détection de fraude et la segmentation d'utilisateurs, un fossé important persiste entre la recherche académique et le déploiement en conditions réelles. Les protocoles d'évaluation actuels souffrent de l'utilisation de jeux de données de citations de petite taille et à forte homophilie, de paradigmes d'entraînement non extensibles par lots complets, et d'une dépendance aux métriques supervisées qui ne reflètent pas les performances dans des environnements pauvres en étiquettes. Pour combler ces lacunes, nous présentons PyAGC, un benchmark et une bibliothèque complets, prêts pour la production, conçus pour tester rigoureusement les méthodes AGC à diverses échelles et propriétés structurelles. Nous unifions les méthodologies existantes dans un cadre modulaire Encode-Cluster-Optimiser et, pour la première fois, fournissons des implémentations efficaces en mémoire par mini-lots pour un large éventail d'algorithmes AGC de pointe. Notre benchmark rassemble 12 jeux de données variés, allant de 2,7K à 111M de nœuds, incorporant spécifiquement des graphes industriels avec des caractéristiques tabulaires complexes et une faible homophilie. De plus, nous préconisons un protocole d'évaluation holistique qui impose des métriques structurelles non supervisées et un profilage de l'efficacité parallèlement aux métriques supervisées traditionnelles. Testé en conditions réelles dans des workflows industriels critiques au sein d'Ant Group, ce benchmark offre à la communauté une plateforme robuste, reproductible et évolutive pour faire progresser la recherche en AGC vers un déploiement réaliste. Le code et les ressources sont disponibles publiquement via GitHub (https://github.com/Cloudy1225/PyAGC), PyPI (https://pypi.org/project/pyagc) et la Documentation (https://pyagc.readthedocs.io).
English
Attributed Graph Clustering (AGC) is a fundamental unsupervised task that integrates structural topology and node attributes to uncover latent patterns in graph-structured data. Despite its significance in industrial applications such as fraud detection and user segmentation, a significant chasm persists between academic research and real-world deployment. Current evaluation protocols suffer from the small-scale, high-homophily citation datasets, non-scalable full-batch training paradigms, and a reliance on supervised metrics that fail to reflect performance in label-scarce environments. To bridge these gaps, we present PyAGC, a comprehensive, production-ready benchmark and library designed to stress-test AGC methods across diverse scales and structural properties. We unify existing methodologies into a modular Encode-Cluster-Optimize framework and, for the first time, provide memory-efficient, mini-batch implementations for a wide array of state-of-the-art AGC algorithms. Our benchmark curates 12 diverse datasets, ranging from 2.7K to 111M nodes, specifically incorporating industrial graphs with complex tabular features and low homophily. Furthermore, we advocate for a holistic evaluation protocol that mandates unsupervised structural metrics and efficiency profiling alongside traditional supervised metrics. Battle-tested in high-stakes industrial workflows at Ant Group, this benchmark offers the community a robust, reproducible, and scalable platform to advance AGC research towards realistic deployment. The code and resources are publicly available via GitHub (https://github.com/Cloudy1225/PyAGC), PyPI (https://pypi.org/project/pyagc), and Documentation (https://pyagc.readthedocs.io).