https://arxiv.org/pdf/2002.01633.pdf
本文研究聚類，深度學習，如autoencoder，促進了聚類研究的發展，發現好的向量表示是必備的一環，
本文結合GCN做聚類，提出Structural Deep Clustering Network (SDCN)，
具體，我們設計一個 傳送操作 來將autoencoder學習的向量表示 傳送到GCN，以及設計一個自監督的機制來 統一兩種不同的神經網絡 來訓練整個模型，
這樣，多種數據的結構 的向量表示，就都結合成一種，
更多的，我們理論分析這個 傳送操作，發現GCN在有 傳送操作 的情況下，GCN會提升autoencoder的向量表示效果
實驗結果說明我們提出的模型達到業界最好水平。
deep clustering基本思想是 結合深度學習的向量表示能力 來實現聚類，也就是有效學習數據的向量表示，
比如用autoencoder學習的向量表示再做K-means聚類的方法，利用了聚類的loss來幫助autoencoder學習。