当异质性遇见异质性：挑战与新的大规模图基准

图矿量化在社会科学、金融和网络安全等领域发挥着至关重要的作用。许多大规模现实网络同时表现出异质性（图中存在多种节点和边类型）和异质性（相连节点可能具有不相似的标签和属性）。然而，现有的基准主要聚焦于异质性齐同图或同质性异质图，导致对在同时具备异质性和异质性的图上模型性能缺乏深入了解。为弥合这一差距，我们引入了H2GB——一个大规模节点分类图基准，融合了现实图谱中异质性和异质性两大特性的复杂性。H2GB涵盖9个真实数据集，跨越5个多样化领域，包含28个基线模型，以及一个统一的基准测试库，包括标准化的数据加载器、评估器、统一的建模框架以及可扩展的可重复性框架。我们建立了一个标准化的工作流程，支持模型选择和开发，使研究人员能够轻松对图学习方法进行基准测试。对28个基线模型的广泛实验揭示了当前方法在面对异质性和异质性图时仍显不足，凸显了亟需改进方法的需求。最后，我们提出了一种新的模型变体——H2G-former，遵循我们的标准化工作流程开发， 在该具有挑战性的基准测试中表现卓越。基准测试框架均可在Github和PyPI上公开获取，文档地址为https://junhongmit.github.io/H2GB。