El embebido de grafos juega un papel importante en el análisis y estudio de datos no euclídeos típicos, como los grafos. El embebido de grafos tiene como objetivo transformar estructuras de grafos complejas en representaciones vectoriales para tareas adicionales de aprendizaje automático o minería de datos. Ayuda a capturar relaciones y similitudes entre nodos, proporcionando mejores representaciones para diversas tareas en grafos. Diferentes órdenes de vecinos tienen diferentes impactos en la generación de vectores de embebido de nodos. Por lo tanto, este artículo propone un codificador de vista de vecindad de múltiples órdenes para fusionar la información de características de vecinos en diferentes órdenes. Generamos diferentes vistas de nodos para diferentes órdenes de información de vecinos, consideramos diferentes órdenes de información de vecinos a través de diferentes vistas, y luego utilizamos mecanismos de atención para integrar embebidos de nodos de diferentes vistas. Finalmente, evaluamos la efectividad de nuestro modelo a través de tareas posteriores en el grafo. Los resultados experimentales demuestran que nuestro modelo logra mejoras en el agrupamiento de grafos atribuidos y tareas de predicción de enlaces en comparación con los métodos existentes, lo que indica que las representaciones de embebido generadas tienen una mayor expresividad.