复杂网络中的节点往往形成一些频繁出现且具有特定局部连接模式的高阶子结构，利用这些高阶子结构可以更好地刻画网络的拓扑特征及相关功能模块。通过度量节点间的结构相似性，有助于研究拓扑结构中节点之间的交互模式，理解复杂网络的局部结构和功能。为更充分利用节点邻域的高阶结构信息，提出了一种利用节点邻域内的k元节点组标签信息的结构相似性判定方法GANNLI(Group-based Aggregated Neighborhood Label Information)。该方法首先将k元节点组形成的非同构子图作为其组标签，再利用WL方法对k元节点组的邻域组标签信息进行聚合和更新，统计节点所构成的不同k元组的标签信息以得到节点表示，并利用余弦相似度计算节点间的结构相似性。与仅考虑节点度、接近中心性等低阶信息的方法相比，本方法利用高阶k元组结构信息更有效地度量了节点间的结构相似性。在真实网络数据集上的实验结果表明，所提出的GANNLI算法能更有效地计算节点间的结构相似性，在节点分类任务中的性能相比Struc2vec提高了2%至6%，相比Node2vec提高了8%至14%。