خوشه بندی گراف یا تشخیص اجتماع یکی از مسائل مهم در تحلیل گراف است. خوشه بندی گراف به معنی انتساب گرههای یک گراف به خوشه های ناهمپوشان یا همپوشان است. روشهای یادگیری بازنمایی گراف، به عنوان پایهی روشهای خوشه بندی، به دو دسته الگوریتمهای مبتنی بر بازسازی و یادگیری تقابلی دسته بندی میشوند. بسیاری از روشهای موجود مبتنی بر بازسازی هستند. این روشها بیش از حد بر روی اطلاعات محلی مجاورت تاکید داشته و اطلاعات ساختاری کلی را تا حد زیادی از دست میدهند. این موضوع در مسئله ی خوشه بندی که بدون ناظر و وابسته به اطلاعات ساختاری کلی گراف است، اهمیت زیادی دارد.
