一种基于图神经网络的结构化数据自学习方法

本发明公开了一种基于图神经网络的结构化数据自学习方法，包括如下步骤：S1、解析结构化数据，提取实体字段与关系字段，构建结构候选图；S2、生成节点嵌入特征矩阵，初始化并记录候选边的邻接关系；S3、构建图神经网络模型，输入节点特征与邻接矩阵，定义任务损失函数；S4、采用梯度敏感稀疏邻接自学习算法，评估边连接的梯度贡献度，更新图结构表示；S5、引入嵌入可解释性梯度回溯机制，修正边连接关系并增强解释性；S6、使用修正结构训练图神经网络，更新节点嵌入与图结构；S7、输出最终图结构与可解释性指标，生成图建模可视化结果。本发明通过动态图结构学习与梯度回溯机制，实现结构化数据的高效建模与解释性分析。