一种社区结构约束的无监督图节点表示学习方法

本发明涉及图神经网络技术领域，具体涉及一种社区结构约束的无监督图节点表示学习方法，首先在单位超球面上初始化节点表示，通过图神经网络编码获取节点嵌入，并构建了融合社区结构的损失函数：社区分散损失通过间隔惩罚增强社区间判别性，节点稳定损失通过历史记忆与社区中心融合保持表示一致性。采用指数移动平均机制更新节点记忆表示，显著提升训练稳定性。本发明有效克服了传统方法中的过平滑问题，在保证计算效率的同时，显著提升了节点表示的判别性和鲁棒性，适用于大规模图数据的无监督表示学习。