一种图基础模型的数据训练优化方法、系统、介质及设备

本发明公开了一种图基础模型的数据训练优化方法、系统、介质及设备，属于图机器学习领域，所述方法为：获取图训练数据集中的各子图并进行编码转换，得到子图向量；基于各子图向量与数据分布中心的差异度量，筛选出差异度量最大的若干子图向量作为第一子图向量；将各第一子图向量对应的第一子图输入原始图基础模型中进行训练，得到图基础模型；其中在每轮迭代计算损失值之后，筛选出当前损失值不大于动态损失阈值的第一子图作为候选集，并以预设剪枝率对候选集中的第一子图进行梯度置零或重缩放，继而根据各最新梯度进行更新模型参数。因此，通过实施本发明，能够解决现有技术存在的图基础模型在预训练过程中因数据冗余导致的计算效率低下的问题。