DFNMF는 그래프 구조를 존중하면서 민감한 그룹 간의 비례적 표현을 유지하는 공정한 그래프 클러스터링을 목표로 하는 end-to-end 딥 비음수 삼중 분해 모델이다. 단일 매개변수 $\lambda$를 통해 공정성-유용성 균형을 조정하고, 비음수성을 통해 부분 기반 요인과 투명한 소프트 멤버십을 생성한다. DFNMF는 희소 친화적인 교대 업데이트를 사용하여 최적화되며, 엣지 수에 대해 거의 선형으로 확장된다. DFNMF는 합성 및 실제 네트워크에서 비슷한 모듈성에서 훨씬 높은 그룹 균형을 달성하며, 기존 방법론을 능가한다.
