本文主要是介绍图神经网络(GNN)：同质图模型【GCN/GraphSAGE/GAT...】、异质图模型【HAN/HetGNN...】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
目前的图神经网络主要针对同质图（节点类型和边类型单一）设计.
- 同质图中只有一种类型的节点和边(例如,只有朋友关系的社交网络),网络结构较为简单.因此,同质图神经网络通常只需要聚合单一类型的邻居来更新节点的表示即可(例如,通过在朋友关系下的邻居来更新节点表示).
- 但真实世界中的图大部分都可以被自然地建模为异质图(多种类型的节点和边,如下图所示,IMDB数据中包含三种类型的节点Actor、Movie和Director，两种类型的边Actor-Moive和Movie-Director). 多种类型的节点和丰富的语义信息给异质图神经网络设计带来了巨大挑战.
参考资料：
知乎专栏：异质图神经网络
异质图的处理（一）——Heterogeneous Graph Neural Network
2019年，异质图神经网络领域有哪些值得读的顶会论文？
异质图
这篇关于图神经网络(GNN)：同质图模型【GCN/GraphSAGE/GAT...】、异质图模型【HAN/HetGNN...】的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
