本研究提出了签名图原型自编码器（SGAAE），旨在解决现有图自编码器在签名网络中的可解释性不足问题。SGAAE通过将图投影到学习的多面体上，提取节点表示，有效推断节点隶属关系并识别竞争社区。实验结果表明，SGAAE在签名链路预测任务中表现优异，超越多种基线模型。

本文使用近似位置数据集构建了代表城市内移动模式的网络，采用模块化优化算法和聚类技术来识别社区，结果表明将社区检测算法与分离工具相结合，提供了对工作时间内复杂分离地理的新认识。