【图神经网络论文整理】（七）—— Graph Transformer Networks：GTNs

---

• 作者信息：Seongjun Yun, Minbyul Jeong, Raehyun Kim, Jaewoo Kang, Hyunwoo J. Kim
• 论文来源：Neural Information Processing Systems (NeurIPS), 2019
• 论文地址：https://arxiv.org/abs/1911.06455

本文介绍的论文是《Graph Transformer Networks》。

该篇文章作者提出了一个新型图网络GTNs，它可以实现异构图转为同构图，同时能够以端到端的方式学习新的图上的节点表示，而且以实验表明，GTNs即使没有领域知识数据和任务学习的图结构，依旧能够通过在新图上进行卷积产生强大的节点表示，而且GTNs在3个节点分类任务上都取得了最好的性能。

---

---

近几年，图神经网络已经被广泛用于各种图任务当中，例如图分类、节点分类、边缘预测等，在大多数开源图数据集上GNN都表现出了很好的性能。

然而，大多数的GNN会存在一个局限性：就是它们只能处理同构图，同构图就是所有节点和边都是同类型，但是生活中会有很多场景是异构的，例如论文引用，这里会存在两种节点