本发明涉及一种基于基序粗化的图表示学习方法，包括：对原始图进行预处理，统计各个基序的数量，选择该数据中频繁出现的一种或多种基序模式组成基序集合；利用基序集合进行矩阵运算，将原始图转化为基序粗化图；利用图编码器对原始图和基序粗化图进行编码，得到节点表示和基序表示；利用权重重分配策略将基序粗化图中的基序表示转化为基于基序结构的节点表示；将节点表示和基于基序结构的节点表示拼接作为最终的节点表示，并将其应用到图模型类应用场景中分类、推荐、预测等任务中。本发明融合了不同粒度的结构信息，增强了传统节点表示方法的性能；具有良好的可解释性、可验证性、表征性能和可迁移性，具有重要的理论研究价值和应用价值。