一种文本属性图自监督学习方法、系统、设备及介质

本发明涉及图神经网络和自然语言处理技术领域，提供一种文本属性图自监督学习方法、系统、设备及介质，方法包括：获取文本属性图数据集并进行预处理；通过随机游走对节点的图拓扑结构进行处理，生成节点的可达性嵌入；将节点的可达性嵌入和节点的图拓扑结构作为图神经网络的输入；通过对齐投影器将节点向量和压缩后的邻居向量对齐，获得节点嵌入；将节点嵌入和文本属性向量对齐后进行拼接并输入到编码器层，生成模态融合的节点表示；通过模态融合的节点表示进行少样本节点分类。本发明通过引入可达性嵌入弥补全局拓扑信息的缺失，通过基于交互的语言模型进行少样本节点分类，显著提升下游任务的性能。