摘要
本发明涉及图神经网络与因果表示学习技术领域，具体涉及一种分离时变与时不变因果特征的图神经网络方法，包括：获取多个时刻的图结构数据，建立动态图序列；采用时序图神经网络对所述动态图序列进行编码，得到节点表征矩阵；分别采用时变注意力头、时不变注意力头以及捷径注意力头对所述节点表征矩阵进行注意力分数计算、构建掩码以及子图分解处理，得到时变因果子图、时不变因果子图和捷径特征子图；进行独立的图神经网络编码以及动态门控融合，得到融合特征；由所述融合特征确定当前预测值；本发明能够提高因果发现的准确性、稳健性与可解释性。
