一种基于图结构感知的学术网络聚类方法

本发明涉及学术网络处理技术领域，并具体公开了一种基于图结构感知的学术网络聚类方法，包括：预处理学术网络并构建数据集；基于构建的数据集，通过增强型图自编码器提取学术网络的特征，并构建重构损失函数；通过图权重更新机制定期更新学术网络的邻接矩阵，获取最优的特征表示；引入自监督机制，基于获得的最优特征表示获取聚类软分布和辅助目标分布，确定聚类损失函数；整合重构损失函数和聚类损失函数，迭代优化结构感知深度图聚类模型的参数，并获取结构感知深度图聚类模型参数更新后的聚类结果。本发明旨在解决现有学术网络聚类方法中存在的计算密集型问题和边可靠性不足问题，提高学术网络聚类算法的效率和准确性。