本发明公开了一种基于图神经网络的多模态知识图谱表示学习方法，其包括获取多模态文本特征、视觉特征和数值特征并转换成超点；从超点中确认目标节点超点，及其邻居节点超点；计算得到邻居节点超点相对于目标节点超点的关系注意力；将目标节点和邻居节点之间的边作为邻边，通过互相关方式融合邻居节点和邻边，得到实体关系融合信息；通过关系注意力和实体关系融合信息构建关系聚合函数；基于关系聚合函数更新超点和关系注意力，直到得到收敛的关系图神经网络模型，完成多模态知识图谱表示学习；本发明有效建模具有多模态信息的不同实体同一模态内和不同模态间的信息交互；以灵活的形式处理不同实体不同数量的模态；实现了更优的图表示学习能力。