一种基于文本深度聚类的社区发现方法、系统和存储介质

本发明揭示了一种基于文本深度聚类的社区发现方法，包括以下步骤：步骤1、将文本利用训练模型通过训练生成词向量，将预处理后的文本转化为词语矩阵；步骤2、提取文本的全局上下文信息和连续词间的局部信息，拼接得到文本特征向量，计算文本特征向量的余弦相似度，构建文本网络；步骤3、基于聚类进行社区发现，获得初始社区中心节点和社区发现结果；步骤4、构建深度自监督聚类损失函数，通过最小化损失函数来更新文本网络和社区中心，获得更新后的文本特征向量和社区发现结果。可以解决现有的社区发现方法单一考虑文本的全局和局部特征以及社区发现过程无法根据社区划分结果优化模型参数的问题。