图注意力架构概览教程

图神经网络（GNNs）在图结构问题上展现出巨大的性能飞跃，尤其在自然语言处理、计算机视觉和推荐系统领域。受transformer架构成功的启发，关于GNN注意力变体的研究工作不断增长，试图推进诸多此类问题的最先进水平。将“注意力”引入图挖掘被视为克服图结构数据伴随的噪声、异构性和复杂性的一种方式，并可编码软归纳偏置。因此，从鸟瞰视角研究这些变体以评估其优劣至关重要且大有裨益。我们提供一份围绕基于注意力的GNN的系统化重点教程，希望能惠及处理图结构问题的研究者。我们的教程从注意力函数的视角审视GNN变体，并循序渐进地构建读者对不同图注意力变体的理解。