一种基于软聚类的正样本扩充图对比学习方法

本发明提供一种基于软聚类的正样本扩充图对比学习方法，包括：数据增强：对原始图进行结构增强和特征增强，生成增强视图；所述结构增强通过节点间的结构相似性指导边扰动，保留关键边并补充潜在相似边；所述特征增强通过细粒度掩码生成多样化的特征组合；正样本动态扩充：基于模糊聚类算法计算节点对各类别的隶属度，筛选高置信节点集；结合图结构约束和一阶邻居关系，为每个目标节点扩充正样本；多任务联合训练：联合优化对比损失、聚类不确定性损失和边预测损失，训练图神经网络模型。