本发明公开了一种基于特征交互神经张量网络的图结构数据相似度计算方法，即DeepSIM模型，属于深度学习领域，首先使用共享权值的图卷积层构建孪生图卷积模块用以获得两个图结构数据的一对节点级嵌入。然后将这一对节点级嵌入输入图注意力层以聚合节点级信息得到图级嵌入。针对图级嵌入，本发明提出的FINTN能够有效推理二者之间的关联并输出固定维度的关系向量。这一关系向量输入到由全连接层构成的结果输出模块得到预测输出。这一预测输出与实际的标签值进行比较，通过损失函数和反向传播算法对整体模型参数进行更新以达学习的目的。完成训练的DeepSIM模型能高效可靠地计算输入的两个图结构数据的相似度。