带位置编码的异构图注意力

图神经网络 (GNN) 已成为建模图数据事实上的标准，注意力机制和变压器显著提升了其在图基任务上的性能。尽管如此，GNN 在异构图上的性能仍然复杂，网络通常不如其在均质图上的表现。本工作对 various GNN 架构进行基准测试，以识别异构图上最有效的方法，特别关注节点分类和链路预测。我们的发现表明，图注意力网络在这些任务中表现突出。作为主要贡献，我们通过集成位置编码来增强这些注意力网络。具体做法是利用完整的拉普拉斯谱准确捕获图中每个节点在相对位置和绝对位置，从而进一步提升节点分类和链路预测等下游任务的性能。