本发明公开了一种基于异质图神经网络的图谱频繁关系模式挖掘方法，其提出了一种描述和提取节点范围内结构的异质图神经网络模型，旨在挖掘其中的频繁关系模式以及各关系模式的结构分布。该模型将关系信息作为节点特征输入，利用自编码机制与多头注意力机制保留原始结构信息，同时引入特征结构平移层将相同结构映射到同一空间中，以获得频繁出现的结构。实验结果表明，该模型可以更快地挖掘图谱关系模式以及各结构在图中的分布；同时在验证特征表达能力的链接预测任务中有稳定表现，在关系类型较多的异质图中甚至优于部分联合学习模型。