本发明公开了一种无标记样本增强的半监督图神经网络方法，包括以下步骤：收集原始图结构数据，并预处理‑生成对应的增强视图‑最大化原始视图和增强视图的节点表示和图表示之间的互信息‑对正样本视图的节点表示进行特征融合，得到信息更加全面的节点表示，用于节点分类任务‑通过最小化目标函数，对模型进行训练优化，用于充分挖掘无标记样本的自监督信息，提高节点分类性能。本发明采用上述无标记样本增强的半监督图神经网络方法，可充分利用无标记样本，挖掘自监督信息，为模型提供额外的监督信号，提高节点分类性能，可广泛地应用于化学分子性质预测、生物蛋白质功能预测、社交网络分析等技术领域。