1.一种图神经网络模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的图神经网络模型的训练方法，其特征在于，所述通过图神经网络模型中的生成器，基于所述真视图中的节点，生成伪视图，包括：
3.根据权利要求2所述的图神经网络模型的训练方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的图神经网络模型的训练方法，其特征在于，所述基于所述边数损失，调整所述参数矩阵，包括：
5.根据权利要求4所述的图神经网络模型的训练方法，其特征在于，所述基于所述对抗损失和所述对比损失，对所述图神经网络模型进行训练，包括：
6.根据权利要求2所述的图神经网络模型的训练方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的图神经网络模型的训练方法，其特征在于，所述候选新边集合的确定过程，包括：
8.根据权利要求1所述的图神经网络模型的训练方法，其特征在于，所述通过所述图神经网络模型中的判别器，对所述伪视图进行判别，得到判别结果，包括：
9.根据权利要求8所述的图神经网络模型的训练方法，其特征在于，所述方法还包括：
10.根据权利要求1所述的图神经网络模型的训练方法，其特征在于，所述通过所述图神经网络模型中的编码器，对所述真视图和所述伪视图进行对比学习，得到对比损失，包括：
11.根据权利要求10所述的图神经网络模型的训练方法，其特征在于，所述通过所述图神经网络模型中的编码器，对所述真视图中的多个节点进行特征提取，得到所述真视图的节点特征，包括：
12.根据权利要求1所述的图神经网络模型的训练方法，其特征在于，所述基于所述对抗损失和所述对比损失，对所述图神经网络模型进行训练，包括：
13.一种图神经网络模型的训练装置，其特征在于，所述装置包括：
14.一种电子设备，其特征在于，所述电子设备包括：
15.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至12任一项所述的图神经网络模型的训练方法。