引文网络驱动的学术社群发现与分析方法

本发明公开了引文网络驱动的学术社群发现与分析方法，构建引文网络，根据引文网络构建邻接矩阵<I>A</I>与节点属性矩阵<I>X</I>，并基于<I>k</I>‑core算法提取核心子网络信息矩阵<I>S</I>；构建双通道稀疏图注意力自编码器，分别以(<I>X</I>,<I>A</I>)与(<I>S</I>,<I>A</I>)作为两个通道的输入学习两通道的低维嵌入<Image he="73" wi="63" file="ZY_1.GIF" imgContent="drawing" imgFormat="GIF" orientation="portrait" inline="yes"/>与<Image he="77" wi="68" file="ZY_2.GIF" imgContent="drawing" imgFormat="GIF" orientation="portrait" inline="yes"/>，并通过动态加权融合策略获得联合嵌入<I>Z</I>；采用内积解码器重构邻接矩阵信息，对节点属性特征与核心子网络信息进行重构，并计算重构损失；将联合嵌入<I>Z</I>输入自监督聚类模块，对信息嵌入、重构模块和自监督聚类模块进行联合优化，最终输出论文/作者的群体划分结果。本发明实现了属性与核心结构互补融合，增强噪声及稀疏场景下的鲁棒性，提升群体划分的判别性与稳定性。