一种基于信息增强的半监督学习的社区检测方法

本发明公开发明了一种基于信息增强的半监督学习的社区检测方法，包括：获取待检测社区的数据集并进行数据的预处理，使用PPGCN作为图嵌入编码器，从而生成更丰富的节点特征表示；本发明使用了多样性阈值驱动的顺序嵌入的社区检测方法，避免仅使用相似度约束带来的社区内部节点的同质化；设计了优化社区检测的强化学习方法SubOpt‑RL，使用KAN模型作为决策网络并且改进了奖励函数。通过上述方式，本发明结合PPGCN的多步传播捕捉节点之间的长距离依赖关系，高效地聚合邻域信息，多样性约束增强了社区间的区分度，强化学习进一步优化了过程，能够提升数据集上的社区检测效果。