1.一种基于图神经网络的配电网数据资产api识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图神经网络的配电网数据资产api识别方法，其特征在于，所述s1中的配电网数据资产api数据分析和抽象包括准备数据、微调gpt模型、抽取api知识以及构建api数据网络图，其中；
3.根据权利要求2所述的一种基于图神经网络的配电网数据资产api识别方法，其特征在于，所述api数据网络图采用三元组idn表示，表示为：
4.根据权利要求3所述的一种基于图神经网络的配电网数据资产api识别方法，其特征在于，所述s2中的api数据网络图的嵌入向量表示包括：
5.根据权利要求4所述的一种基于图神经网络的配电网数据资产api识别方法，其特征在于，所述转移概率的计算公式为：
6.根据权利要求5所述的一种基于图神经网络的配电网数据资产api识别方法，其特征在于，所述条件概率计算公式为：
7.根据权利要求6所述的一种基于图神经网络的配电网数据资产api识别方法，其特征在于，所述消息传递神经网络的核心函数为：
8.根据权利要求7所述的一种基于图神经网络的配电网数据资产api识别方法，其特征在于，所述node2vec优化目标表示为：
9.根据权利要求8所述的一种基于图神经网络的配电网数据资产api识别方法，其特征在于，所述s3中的电网数据资产api识别包括：
10.根据权利要求9所述的一种基于图神经网络的配电网数据资产api识别方法，其特征在于，所述多种评价指标包括精准率precision、准确率accuracy、召回率recall以及f1值f1-measure，其中；