La incrustación de grafos es de gran importancia para la investigación y análisis de grafos. La incrustación de grafos tiene como objetivo mapear nodos en la red a vectores de baja dimensión mientras se preserva la información en el grafo original de nodos. En los últimos años, la aparición de las redes neuronales de grafos ha mejorado significativamente la precisión de la incrustación de grafos. Sin embargo, la influencia de los conglomerados no se consideró en los métodos existentes basados en redes neuronales de grafos (GNN), por lo que este documento propone un nuevo método para incorporar la influencia de los conglomerados en la generación de la incrustación de grafos. Utilizamos el mecanismo de atención para pasar el mensaje del resultado agrupado del conglomerado e integrar todo el proceso en el autoencoder de grafos como la tercera capa del codificador. Los resultados experimentales muestran que nuestro modelo ha mejorado significativamente en comparación con los métodos de referencia en las tareas de agrupamiento de nodos y predicción de enlaces, demostrando que las incrustaciones generadas por nuestro modelo tienen una excelente expresividad.