GTN-Graph Transformer Networks

han通过将异构图转换为由元路径构造的齐次图来学习图表示学习。但是这些方法领域专家手动选择元路径，因此可能无法捕获每个问题所有有意义的关系。同样，元路径的选择也会显着影响性能。与这些方法不同的是GTN可以在异构图上运行并且转化为任务转换图，同时以端到端的方式学习转换图上节点的表示形式。

算法简述

算法名称：GTN（Graph Transformer Network），2019 NeurIPS

传统GNN处理静态同构图，但面对misspecified图和异构图时却无能为力。本文提出的GTN其要点主要有3个：

• GTN可生成新的图结构，如识别出原图中无相连但实际有潜在用处的边。

• Graph Transformer Layer基于边类型的软选择和组合，可以生成各种meta-paths。

• GTN中meta-path自动生成且不依赖领域知识，它比许多预定义meta-path类算法效果好。

前置知识

GTN的输入不要求图结构预先确定。它基于若干候选邻接矩阵生成新的图结构(识别有效meta-path)，进而执行卷积操作产出节点的embedding。