一种基于多层图神经网络模型的网络节点分类方法

本发明提出了一种基于多层图神经网络模型的网络节点分类方法，其步骤为：根据网络节点构建图，对图中的初始节点特征进行预处理，得到初始嵌入向量；根据节点和其邻居节点的初始嵌入向量，采用分层消息传递机制更新节点表示；根据节点和其邻居节点的初始嵌入向量，图注意力网络利用注意力机制为每个节点的邻居节点计算权重后动态更新节点的特征向量；采用多头注意力机制将图注意力网络输出的节点的特征向量和更新后的节点表示进行拼接合并，得到每个节点的综合特征向量；采用图对比学习和节点嵌入模块将综合特征向量进一步的优化，得到优化特征；根据优化特征获取预测的节点分类。本发明能够有效捕捉异构图数据的复杂特征，对过平滑问题具有良好的鲁棒性，实现更准确的异构网络表示学习，在节点分类任务中具有先进的性能和鲁棒性。