为解决图扩散方法在处理复杂边关系时精度降低的局限性，提出了一种基于曲率的图扩散神经网络。首先，引入Ollivier-Ricci曲率量化图的边曲率，提供关于图结构的几何度量；其次，运用曲率调整随机转移矩阵的权重，根据几何关系进行相应的权重修改；最后，将处理后的曲率矩阵与图扩散矩阵结合，更新权重系数进行模型训练。实验结果表明，与传统的图扩散方法相比，改良后的方法保持了有效地平滑图信号和减少高频噪声的优点，并在不同边和节点数量的数据集上将精度提高0.3～2.0百分点。该方法通过优化图扩散的消息聚合，能够更有效地利用图结构中的节点信息和边权重，从而提升节点分类任务中的模型性能，为未来基于图方法的研究提供了更可靠的方法与实验。