В данной работе мы рассматриваем возможность использования различных мер близости для кластеризации сетей с атрибутами с использованием спектрального алгоритма кластеризации. Атрибуты используются для модификации весов ребер графа: за вес ребра берется линейная комбинация оригинального веса и коэффициента сходства атрибутов вершин, соединенных данным ребром. Затем матрица смежности с модифицированными весами используется для вычисления мер близости. В качестве коэффициента сходства атрибутов в работе используются Matching Coefficient, Cosine Similarity, Extended Jaccard Similarity, Manhattan Similarity и Euclidean Similarity. Качество кластеризация измеряется с помощью метрики Adjusted Rand Index.