一种基于对比学习鲁棒动态图表示的社交网络节点分类方法及系统

本发明一种基于对比学习鲁棒动态图表示的社交网络节点分类方法及系统。涉及社交网络节点分类技术领域。技术方案是：通过邻居采样生成时间子图，利用噪声识别函数剔除噪声边生成去噪增强子图，同时引入结构与时间噪声生成加噪增强子图；借助共享参数的时间嵌入编码器融合节点特征与时间信息，获得原始子图与去噪增强子图和加噪增强子图的节点嵌入；通过噪声增强对比学习和时间对比学习优化模型，使节点表示适应复杂噪声环境并捕捉动态演化规律，最终将节点表示用于引文网络图数据的节点分类等下游任务。本发明构建去噪和加噪增强子图并结合对比学习框架，解决了动态图中噪声干扰的问题，提升了节点表示的判别性和鲁棒性，提高对社交网络节点分类性能。