一种基于节点加权团度和深度学习的高阶网络传播动力学分类方法

本发明公开了一种基于节点加权团度和深度学习的高阶网络传播动力学分类方法，属于计算机技术领域，具体步骤包括：数据采集和预处理，包括从真实数据构建超图及其网络表示；传播动力学模型的建立，分别在图网络、单纯复形和超图上构建传播动力学模型，刻画不同网络结构下的动力学演化规律；特征处理，包括结构特征计算、动力学特征处理以及特征合并与样本划分等三个子任务；将特征输入至模型进行模型训练并将训练完成的模型进行预测和效果评估。本发明采用超图和单纯复形等高阶网络描述真实系统结构，弥补了现有网络传播动力学过程对于节点多元交互模式考虑不足的缺陷。