图神经网络处理heterophily图

在大多数情况下，我们所见到的图结构里，只要两个节点是连接的，那么这两个节点的标签和特征也是相似的，如在社交网络、交通网络、卫星网络。但也会有些图不是这样的，例如食物链网络、基站网络等等。

heterophily图的处理比困难。下面介绍H2GCN网络。

首先，要介绍高阶邻域。如下图所示，有两个邻域，一个是一阶，一个是二阶。所谓二阶邻域，其实就是邻域的邻域。

对于图神经网络，会有如下的卷积操作：

我们注意到，我们在本著作中所研究的异质性，是一种独特的网络概念来自异质性。在形式上，如果一个网络至少有两个，那么它就是异构节点的类型和它们之间的不同关系。如果它有单一类型的节点(如用户)和单一类型的边(如友谊)。类型异构图中节点的类标签不一定匹配。

H2GCN里面有三个模块：

Ego- and Neighbor-embedding Separation

Higher-order Neighborhoods

Combination of Intermediate Representations