ClustRecNet은 주어진 데이터셋에 가장 적합한 클러스터링 알고리즘을 결정하기 위한 새로운 딥러닝(DL) 기반 추천 프레임워크입니다. 34,000개의 다양한 구조적 특성을 가진 합성 데이터 세트로 구성된 포괄적인 데이터 저장소를 구축하고, 각 데이터 세트는 10개의 인기 있는 클러스터링 알고리즘으로 처리되었습니다. 조정된 Rand Index (ARI)를 사용하여 클러스터링 결과를 평가하고, 그라운드 트루스 레이블을 설정하여 DL 모델의 훈련 및 평가에 사용했습니다. 제안된 네트워크 아키텍처는 컨볼루션, 잔차, 어텐션 메커니즘을 통합하여 입력 데이터에서 지역적 및 전역적 구조적 패턴을 모두 캡처합니다. 이는 데이터 세트의 압축 표현 학습을 지원하고, 수작업으로 만들어진 메타 특징 및 전통적인 클러스터 유효성 지표(CVI)에 대한 의존도를 줄여 가장 적합한 클러스터링 알고리즘을 직접 추천합니다. 합성 및 실제 벤치마크에서 광범위한 실험을 통해 DL 모델은 기존 CVI와 최첨단 AutoML 클러스터링 추천 접근 방식보다 일관되게 우수한 성능을 보였습니다.
