本文提出了一种新的 GAT(graph attention networks)网络,用于有关图结构
数 据 方 面 的 计 算 。 该 网 络 利 用 可 屏 蔽 的 自 我 注 意 神 经 层 (masked
self-attention)解决了基于图卷积或其相似方法所用的模型中存在的一些缺点
和问题。在 GAT 图神经网络中,我们可以通过叠加节点,使之能够感知其邻节点
的特征,以此为邻域中的不同节点指定不同的权重,而不需要事先知道图的结构
或者进行复杂的矩阵运算(如求逆)。通过这种方法,GAT 图神经网络能够解决
基于谱方法的图神经网络的几个关键问题,并使得模型能够比较简单地应用在归
纳学习和转导学习问题上。经过测试,该 GAT 模模型的结果,其中包括 Cora、
citeeser、Pubmed 和 PPI 引文网络数据集。