本发明公开了一种基于时空注意力图神经网络的多实体数据流分类方法，属于多实体数据流分类领域，方法包括：获取t时刻各实体的数据作为输入数据序列，将输入数据序列重构为图结构Gt；当t＝1时，采用空间注意力机制对图结构G1中各节点特征进行多次消息传递重构，得到各节点的空间关联特征并形成图结构G’1；当t≥2时，采用时间注意力机制将图结构Gt与图结构G’t‑1进行信息聚合得到图结构G”t，采用空间注意力机制对图结构G”t中各节点特征进行多次消息传递重构，得到各节点的空间关联特征并形成图结构G’t；将图结构G’t输入解码器，得到各实体的数据对应的分类标签。对多实体数据间存在的动态时空关联关系进行学习，从而提升多实体数据流的分类性能。