一种基于动态图神经网络的文本数据分类分级方法

本发明涉及一种基于动态图神经网络的文本数据分类分级方法，方法包括以下步骤：S1、获取通信网络数据，对局部节点编码器和局部节点预测器进行预训练；S2、当网络中增加新的节点或边时，更新各个节点的离线TextGraphRank重要性，选择top‑k邻居节点，局部节点编码器输出各个节点的更新后的文本嵌入特征，预训练完成的局部节点预测器结合各个节点自身和top‑k邻居节点的更新后的文本嵌入特征，通过加权聚合得到最终分类结果。与现有技术相比，本发明具有提高网络中节点的重要性的评估准确性进而提高文本分类的预测准确性的同时减少预测的计算成本等优点。