【PaperReading】OpenHGNN：An Open-Source Toolkit for Heterogeneous Graph Neural Networks

今天带大家学习一个异质图神经网络开源工具包 OpenHGNN。该工具包由北京邮电大学石川教授 GAMMA Lab发布，主要基于 PyTorch和 DGL。该开源工具包中集成了当前许多异质图神经网络的前沿模型，并提供了易用的接口，用户可以定义定制化的任务/模型/数据集来对新的场景应用建模，同时还集成了optuna进行超参数优化。

异质图神经网络（HGNNs）作为一种强大的异构图表示学习方法，越来越受到许多研究人员的关注。 虽然，现有的几个库已经支持 HGNN，但它们只提供最基本的模型和运算符。 在HGNN上构建各种下游任务并对其进行基准测试仍然是痛苦且耗时的。 在本文中，作者将介绍OpenHGNN，这是一个用于HGNN 的开源工具包。 OpenHGNN定义了一个统一标准的训练和测试管道，可以让用户只用一个命令行就可以在特定的数据集上运行模型。 OpenHGNN集成了20+主流HGNN和20+异构图数据集，可用于节点分类、链路预测、推荐等各种高级任务。 此外，得益于OpenHGNN的模块化设计，可以进行扩展以满足用户的定制化需求。 作者还发布了一些新颖实用的工具和功能，包括排行榜、autoML、设计空间和可视化，为用户提供更好的使用体验。

论文地址：http://shichuan.org/doc/139.pdf
代码仓库：