原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开一种基于无监督学习的图卷积神经网络的社区发现方法。首先，对数据预处理，计算出节点和边的邻接矩阵和特征矩阵。然后，使用GCN模型，结合节点和边的特征，学习最终的节点表征矩阵。接着，使用无监督学习方法，使用重构损失函数和模块度损失函数反向传播优化模型。最后，使用k‑means聚类算法，对节点进行社区划分。本发明从无监督学习和边和节点特征相结合的两个方向出发，计算节点表征矩阵，拓宽了学习节点表征的方法，保证了节点表征学习的质量，提高了社区发现的精确性，对研究引文网络、脑神经和推荐系统等多种领
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117034061 A
(43)申请公布日 2023.11.10
(21)申请号 202310977640.7
(22)申请日 2023.08.04
(71)申请人 南通大学
文档评论（0）