一种基于变分图自编码器与K-Means的科技论文聚类分析方法

摘要

一种基于变分图自编码器与K‑Means的科技论文聚类分析方法，利用现有的科技论文数据构建引文网络G＝(V，E，F)，根据论文之间引用关系的邻接矩阵A和论文关键词属性的特征矩阵F，构建一个由编码器和解码器组成的变分图自编码器，以最小化重构邻接矩阵和原始邻接矩阵A之间的距离度量，以及节点表示向量分布和正态分布的散度为目标，通过无监督的方式训练得到一个多维高斯分布，从这个分布采样得到节点的低维嵌入向量z，然后用K‑Means算法对低维嵌入向量z进行聚类，得到科技论文的划分结果，并通过tSNE算法降维后进行二维的可视化展示。本发明提高了科技论文聚类分析的准确率，降低了分析的计算成本。