本申请涉及一种符号网络中基于图卷积神经网络的细粒度信任评估方法，本申请在符号加权有向社交网络中提出一个基于图卷积神经网络(Graph Convolutional Network,GCN)的面向连续信任度的信任评估框架ContTrust，以预测网络中没有显式连接关系的用户对之间的信任度；基于信任关系的方向和信任权重的正负，将目标用户的邻居分为4类，考虑不同潜在因素对目标用户信任度的影响来提升信任评估的性能；设计了四个基于注意力机制的聚合器和多个堆叠的卷积层来捕获社交网络图结构和用户间的信任；使用来自公共真实世界的数据集来评估ContTrust的性能。与信任评估领域两个最流行的基准算法相比，ContTrust在均方根误差(RMSE)和皮尔逊相关系数(PCC)方面可分别提高51.2％和33.1％的性能。