基于多阶邻居信息融合的节点表示学习与社团划分方法

本发明提出了基于多阶邻居信息融合的节点表示学习与社团划分方法，包括以下步骤：构建无向图，所述无向图包括节点集合和边集合，根据所述节点集合中各节点之间的连接关系构建节点特征矩阵；构建节点表示学习模型，所述节点表示学习模型包括邻居采样函数和均值聚合函数，所述邻居采样函数用于采样多阶邻居节点，所述均值聚合函数用于对多阶邻居节点的邻居节点信息进行聚合，对节点嵌入向量进行迭代更新，得到节点最终嵌入向量，所述节点最终嵌入向量的初始输入为节点特征矩阵；根据节点最终嵌入向量，构建相似矩阵，基于预设约束条件对所述相似矩阵进行筛选，得到最终相似矩阵；基于最终相似矩阵和映射转换关系构建度矩阵，通过最终相似矩阵和度矩阵构造初始拉普拉斯矩阵，对初始拉普拉斯矩阵进行归一化处理，得到拉普拉斯矩阵；计算所述拉普拉斯矩阵的特征值集，构建所述特征值集中每个特征值对应的特征向量，通过所述特征向量构建社团分类特征矩阵；对社团分类特征矩阵进行聚类分析，得到社团划分结果。