图神经网络实战（19）——异构图神经网络

0. 前言

我们已经学习了如何生成包含不同类型节点(原子)和边(键)的分子结构，这种技术在其它应用中也具有广泛用途，例如推荐系统(用户和商品)、社交网络(关注者和被关注者)或网络安全(路由器和服务器)。我们将这类图称为异构图 (heterogeneous graph)，与同构图 (homogeneous graph) 相对，后者只涉及一种类型的节点和一种类型的边。在本节中，我们将回顾关于同构图神经网络 (Graph Neural Networks, GNN) 与消息传递神经网络框架的相关概念，以扩展 GNN 架构适用于异构图。首先，我们将创建自定义异构数据集。然后，将同构架构转化为异构架构。

1. 异构图

1.1 异构图基本概念

异构图 (heterogeneous graph)是表示不同实体间关系