这是一篇结合embedding和cluster任务的论文，具体模型分为两部分
1 使用DNN生成每个节点xi对应的embedding zi，然后计算zi属于每一个cluster center中心的概率（soft assignment）。这个相似度可以通过以下公式来计算：
2.png
其中，zi是通过f()这个神经网络计算出来的embedding，而qij可以表示节点i属于cluster j的概率（soft assignment）。
2 第二步是通过最小化第一步的q和一个辅助分布的KL散度，使用BP来达到优化DNN和重新调整cluster center的目的。
目标函数如下：
3.png
优化方法：
通过反向传播优化DNN，通过计算梯度来调整cluster的中心，公式如下：
4.png
