一种基于图结构学习的聚类模型构建方法及装置

本发明公开了一种基于图结构学习的聚类模型构建方法及装置，聚类模型构建方法包括：获取无结构数据集并对无结构数据集进行特征提取，得到原始特征，根据原始特征构建原始的图结构；利用增强的自适应图神经网络编码器优化图结构，动态更新边权重；利用多层图卷积网络作为编码器提取数据高阶特征表示；基于优化后的图结构以及高阶特征表示构建聚类模型。通过引入增强自适应图结构学习，实现对数据结构的细粒度控制，从而在处理无结构数据时提供了更加精准的聚类结果。其次，在保持对高阶结构信息捕捉能力的同时，通过自监督特征表示学习和对比学习显著提升了模型的鲁棒性。此外，仅需对聚类算法进行简单调整即可实现对无结构数据的高效聚类。