在图聚类分析与处理过程中，首先对图模型中的结点和边分别进行数据抽样(疏化处理)，然后对疏化处理的结果进行图聚类分析。作为图聚类分析与处理机制中较为重要的一个环节，疏化处理机制已被应用于多个研究方向。针对小规模、小区域范围的图模型数据信息，现有的疏化处理机制主要包含L-spar、k-最近邻图等几种方法。图聚类是图数据挖掘、分析及应用过程中可能会用到的一个关键技术。图聚类通过将图模型中的每个结点按照聚簇进行分类，可以提高同类别聚簇图结点对象实体的关联紧密性、降低不同类聚簇图结点对象实体的关联紧密性。随着超大规模图数据信息与处理机制的出现，如何高效地进行图聚类分析与处理，以此来挖掘图数据中的潜在有效数据信息，已成为人工智能、数据挖掘等领域的热点研究方向之一。国内外研究人员对图聚类算法进行了广泛的研究，提出了很多的图聚类算法，包括经典聚类算法(如划分式聚类算法)、层次式图聚类算法、基于密度的图聚类算法、最小生成图树聚类算法等。