一种基于混合域图神经网络HGCN的数据表征学习方法及系统

本发明涉及深度学习技术领域，公开了一种基于混合域图神经网络HGCN的数据表征学习方法及系统，所述的基于混合域图神经网络包括基于空域的至少一层多头注意力卷积层和基于谱域的至少二层基于拉普拉斯矩阵谱分解的图卷积层的混合域图神经网络；所述多头注意力卷积层与所述图卷积层之间插入残差连接；数据表征学习方法包括以下步骤：获取并预处理包括节点特征矩阵的待学习的拓扑图结构数据；将所述节点特征矩阵输入所述的训练好的基于混合域图神经网络；训练好的基于混合域图神经网络输出预测节点分类标签矩阵，作为对图结构数据所有节点的预测分类结果。本发明解决了现有技术在处理边密集型数据集时的过度平滑化问题，且具有结果拟合稳定的特点。