Los algoritmos de clasificación de pocos disparos han surgido gradualmente en los últimos años, y se han logrado muchos avances en la investigación de redes de migración, espacios métricos y mejora de datos. Sin embargo, el algoritmo de clasificación de pocos disparos basado en Redes Neuronales Gráficas todavía está siendo explorado. En este documento, se propone una red de memoria de un solo paso con peso en los bordes basada en la extracción de características ocultas y la optimización del mecanismo de atención. Según las características de distribución oculta de los datos con peso en los bordes, se diseña una nueva estructura de grafo, donde las características de los nodos se fusionan y actualizan para realizar un enriquecimiento de características y una utilización completa de los datos de muestra limitados. Además, basándose en el mecanismo de atención del bloque de convolución, se proponen diferentes métodos de integración de atención de canal y atención espacial para ayudar al modelo a extraer características más significativas de las muestras a través de la atención a las características. Se realizan experimentos de ablación y análisis comparativo de cada modo de entrenamiento en conjuntos de datos estándar. Los resultados experimentales obtenidos demuestran la racionalidad e innovación del método propuesto.