基于图结构数据的图级表征学习方法、图分类方法及装置

本发明公开一种用于图结构数据的图级表征学习方法、图分类方法，该学习方法步骤包括：构建图级表征模型，图级表征模型包括依次连接的多个吸收卷积层，每个吸收卷积层通过执行图卷积操作依次进行邻域传播、子结构成分提取、子结构聚合以及拓扑重构；获取包括节点集和边集的待处理图结构数据，输入至构建的图级表征模型中，每个吸收卷积层先在邻域传播阶段采用图注意力网络计算节点集中各节点在邻域信息传播过程中的重要程度值，然后在子结构成分提取阶段根据各节点的重要程度区分出具有最高信息量的多个高信息节点，再在子结构聚合阶段利用高信息节点吸收低信息邻居节点形成子结构，最后在拓扑重构阶段通过保留以高信息节点为中心的子结构之间的边得到粗化图拓扑，经过多个吸收卷积层后得到最终的图级表征结果输出。本发明具有实现方法简单、复杂程度低、学习有效性以及效率高等优点。