图神经网络实战——分层自注意力网络

0. 前言

在异构图数据集上，异构图注意力网络的测试准确率为 78.39%，比之同构版本有了较大提高，但我们还能进一步提高准确率。在本节中，我们将学习一种专门用于处理异构图的图神经网络架构，分层自注意力网络 (hierarchical self-attention network, HAN)。我们将介绍其工作原理，以便更好地理解该架构与经典图注意力网络 (Graph Attention Networks，GAT) 之间的区别。最后，使用 PyTorch Geometric 实现此架构，并将结果与其它 GNN 模型进行比较。

1. 分层自注意力网络

1.1 模型架构

在本节中，我们将实现一个专为处理异构图而设计的图神经网络 (Graph Neural Ne