一种基于自监督学习的图神经网络结构学习方法及系统

本发明涉及图神经网络技术领域，具体涉及一种基于自监督学习的图神经网络结构学习方法及系统，包括：获取节点特征矩阵和邻接矩阵；通过邻接转换器对邻接矩阵进行对称归一化处理，并进行多阶信息融合，获得融合邻接矩阵；通过节点特征矩阵获得二进制掩码矩阵，通过二进制掩码矩阵对节点特征矩阵进行扰动，获得新特征矩阵，通过新特征矩阵和融合邻接矩阵，获得新节点特征矩阵；通过融合邻接矩阵和新节点特征矩阵，确定出分类器和总损失函数；通过分类器和总损失函数进行自监督学习的图神经网络结构的学习。本发明提高了图神经网络结构学习的准确性。