可缩放隐等距流形的引文网络节点分类方法与系统

本发明公开了一种可缩放隐等距流形的引文网络节点分类方法与系统。本发明首先开发了具有动态掩码率的元路径掩码，用于元路径的边缘构成的邻接矩阵重建；其次利用动态掩码率，学习节点属性恢复，探究节点属性中涉及的内容信息，便于模型关注目标节点类型；然后设计了位置特征预测策略，整合每个节点的位置信息；之后构建缩放等距正则化项，最后由上面四部分损失定义引文网络数据集上的总损失来训练可缩放隐等距流形自编码器。本发明有效解决了当前深度学习在挖掘引文网络节点过程会破坏原始空间的几何结构的问题，从而捕获样本节点间的流形结构，提高引文网络节点分类的准确性。因此，本发明能够在引文网络节点分类任务中取得更好的性能表现。