近日，CCF B类刊物Information Sciences（SCI影响因子8.233）正式刊登我们小组论文“Semi-supervised overlapping community detection in attributed graph with graph convolutional autoencoder”（全文地址：https://www.sciencedirect.com/science/article/pii/S0020025522007253）

       该文主要针对属性图的链接信息和属性信息融合、先验信息集成和重叠社区检测问题，提出了一种基于图神经网络的半监督重叠社区检测方法SSGCAE，该方法包括三个模块：图卷积自动编码器（GCAE）、半监督和模块度。通过将GCAE作为主干模型，并使用三个模块的联合损失进行训练，非常有效地提高了属性图的社区检测性能。

SSGCAE方法框架