异构图神经网络——Heterogeneous Graph Neural Networks

本文主要是介绍异构图神经网络——Heterogeneous Graph Neural Networks，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！

相关代码见文末

1.回顾同构图

1.1 GNN

GNN基本计算方法——邻接矩阵乘以节点，聚合相邻节点的特征，得到本节点的特征表达

1.2 Graph Attention Network

         引入图注意力，实现边的权重可学习，最简单的方法是，将两个节点的特征进行拼接,使用一组可学习的权重参数映射为边的权重,经过Leaky ReLU后使用softmax归一化得到。

这篇关于异构图神经网络——Heterogeneous Graph Neural Networks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！

---