1.一种基于图对比学习的跨网络节点分类方法，其特征在于，应用于magcl模型，包括：
2.根据权利要求1所述的基于图对比学习的跨网络节点分类方法，其特征在于，所述确定出所述源网络历史节点的真实标签，基于所述标签预测概率和所述真实标签构建出节点分类损失函数，包括：
3.根据权利要求1所述的基于图对比学习的跨网络节点分类方法，其特征在于，所述确定出所述源网络历史节点和所述目标网络待分类节点的真实域标签，基于所述真实域标签、所述源网络历史节点特征以及所述目标网络待分类节点特征构建出域分类损失函数，包括：
4.根据权利要求1所述的基于图对比学习的跨网络节点分类方法，其特征在于，所述为所述源网络历史节点和所述目标网络待分类节点生成正负样本对，基于所述正负样本对构建出特定网络图对比损失函数和跨网络图对比损失函数，包括：
5.根据权利要求1至4任一项所述的基于图对比学习的跨网络节点分类方法，其特征在于，所述分别获取源网络历史节点和目标网络待分类节点之前，还包括：
6.根据权利要求5所述的基于图对比学习的跨网络节点分类方法，其特征在于，所述判断所述目标函数是否符合预设的收敛条件之前，还包括：
7.根据权利要求5所述的基于图对比学习的跨网络节点分类方法，其特征在于，所述利用所述目标函数对本地的可学习参数进行优化，以得到优化后可学习参数，包括：
8.一种基于图对比学习的跨网络节点分类装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，用于保存计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于图对比学习的跨网络节点分类方法。