​一个大模型建模所有图结构关系！港大等发布最新图大语言模型HiGPT

异质图在各种领域，如推荐系统、知识图谱、社交网络分析和生物网络等获得了广泛的关注和应用。这些图包含了各种类型的实体和多种复杂关系，使得它们能够充分表示复杂系统。异质图学习的重点就是为这些图中的节点和边衍生出有意义的表征。这些表征旨在捕捉图内复杂的关系语义，以便更深入地理解底层的结构异质性。近年来，人们越来越认识到异质图神经网络（HGNNs）在捕捉异质图结构中复杂和多样的信息方面的巨大潜力。HGNNs 利用高阶消息传递技术的表达能力，使它们能够有效地建模图中存在的复杂关系、多样实体类型和异质语义。通过在各种节点和边类型上聚合和传播信息，HGNNs 促进了对异质图结构内复杂关系的更深入理解和分析。尽管当前用于异质图学习的框架已经显示出了有效性，但是在泛化于各种异质图数据集方面存在一定 ………………………………