1.一种基于图池化对比学习的网络分类算法，其特征在于，包括以下步骤：S1、确定目标图数据集Ω，包含网络

S2、通过节点的低维嵌入表示e计算目标图数据集Ω的注意力分数Z，根据注意力分数Z和池化率K，从网络G中按照注意力分数高低的方式选取出保留的节点集VS3、通过取

S4、取被保留的节点嵌入

S5、在网络G中选取

S6、利用网络级目标嵌入表示

S7、根据两组网络级目标嵌入的评分

S8、判断基于图池化对比学习的网络分类模型是否完成目标轮次的迭代训练，若是，则执行步骤S9，否则跳转至步骤S1；

S9、保存训练完成的基于图池化对比学习的网络分类模型，用于图数据的分类。

2.根据权利要求1所述的一种基于图池化对比学习的网络分类算法，其特征在于，步骤S1中，图神经网络传播聚合使用三层的GCN。

3.根据权利要求1所述一种基于图池化对比学习的网络分类算法，其特征在于，步骤S2中，池化率K∈(0,1)，根据池化率和注意力分数丢弃网络G中重要性较低的节点。

4.根据权利要求1所述一种基于图池化对比学习的网络分类算法，其特征在于，步骤S3中，

5.根据权利要求1所述一种基于图池化对比学习的网络分类算法，其特征在于，步骤S7中，训练Loss函数的更新公式为其中，σ(·)为Sigmoid函数，