Bài báo này thảo luận về phân cụm đồ thị sâu (DGC), một phương pháp phân loại không giám sát các nút trong đồ thị thuộc tính thành nhiều cụm. Để giải quyết những thách thức của đồ thị thuộc tính trong thế giới thực, thường rất lớn và thiếu thuộc tính, chúng tôi đề xuất một phương pháp DGC mới, "Phân biệt láng giềng đa góc nhìn bổ sung (CMV-ND)". CMV-ND xử lý trước thông tin cấu trúc đồ thị thành nhiều góc nhìn một cách hoàn chỉnh và không dư thừa. Cụ thể, nó mở rộng hoàn toàn cấu trúc cục bộ của đồ thị thông qua tìm kiếm láng giềng đệ quy và loại bỏ sự dư thừa giữa các láng giềng có khoảng cách bước nhảy khác nhau thông qua chiến lược phân biệt láng giềng. Sau đó, nó xây dựng K+1 góc nhìn bổ sung từ các biểu diễn bước nhảy vi phân và các đặc trưng nút mục tiêu, đồng thời áp dụng các phương pháp phân cụm đa góc nhìn hoặc DGC hiện có. Kết quả thử nghiệm trên sáu tập dữ liệu đồ thị được sử dụng rộng rãi chứng minh rằng CMV-ND cải thiện đáng kể hiệu suất của nhiều phương pháp khác nhau.
