一种基于图注意力自编码器社群发现的社交推荐方法及系统

本发明公开了一种基于图注意力自编码器社群发现的社交推荐方法及系统，目的是通过图注意力自编码器的深度学习框架和拓扑图中的团结构提供一种高效、高准确性的自监督式社群发现方法，并根据社群发现结果生成推荐列表进行相关社交或兴趣推荐，涉及数据挖掘领域。通过图注意力编码器对拓扑图中的邻接关系和节点属性进行编码，将节点的多维信息提炼为低维特征向量；通过内积解码器将低维特征向量重构为邻接矩阵并计算重构损失；计算拓扑图中高可信团结构并计算团结构中节点之间特征向量的距离损失；通过最小化损失指导模型自监督训练；使用K‑means对特征向量进行聚类分析得出社群发现结果；根据社群发现结果生成推荐列表。