基于对抗学习的多层异构网络结构挖掘谱聚类方法

本发明公开了一种基于对抗学习的多层异构网络结构挖掘谱聚类方法，包括：构建多层异构网络；获取多层异构网络中各层网络的相似度矩阵、拉普拉斯矩阵、对角惩罚项矩阵和指示矩阵，并根据各层网络的拉普拉斯矩阵和对角惩罚项矩阵，获取各层网络的谱信息；将各层网络的谱信息进行加权线性组合，得到特征值分解矩阵；根据特征值分解矩阵，获取更新的拉普拉斯矩阵、更新的对角惩罚项矩阵、聚类矩阵和更新的指示矩阵，并构建多层异构网络模型；迭代优化聚类矩阵，直至收敛，得到更新的聚类矩阵，并更新多层异构网络模型；根据更新的多层异构网络模型，得到多层异构网络的谱聚类结果。本发明显著提升了计算效率和可扩展性。