本文探讨了图聚类中的模块性最大化方法，提出了基于社区感知的框架MAGI，利用图神经网络优化聚类性能。研究表明，MAGI在多个数据集上表现优越，能够有效揭示社区信息并避免语义漂移。同时，提出的泊松度校正超图随机块模型（DCHSBM）展示了高可扩展性和真实聚类恢复能力。

本文介绍了一种基于DCHSBM的高可扩展性聚类方法，通过最大似然推断实现超图聚类，能恢复具有高阶结构的真实聚类。