PyG将同构模型转化为异构网络模型

对于同构图来讲，我们可以使用通用的 GCN 、GAT 等图神经网络作为消息传递函数来更新每个节点特征，但是对于异构图来讲，他有不同的节点类型以及边类型，所以使用同构网络模型显然是不能够处理异构数据的。

对于这种问题，一般有两种解决方式：

• 将同构网络模型转化为异构网络模型
• 将异构图数据转化为同构图数据

关于这两种解决方式都有论文给出了详细证明以及操作，对于本文，我们只谈第一种策略，就是如何使用 PyG 将我们的同构网络模型转化为可以处理异构图数据的异构网络。

PyG中 to_hetero() 函数介绍：

该函数可以将同构网络转化为异构网络

这里给出了异构网络的通用消息传递函数，其实和同构网络的消息传递机制差不多，对于同构网络它是将所有邻居节点的特征信息进行聚合映射，但是异构图同一节点存在很多种不同类型边，也就是不同种类的邻居，他会基于同一种边（也就是一类节点类型邻居）执行一种消息聚合方式，这样最终就会得到边的类型个不同的特征向量，然后对不同边关系得到的特征向量做特征聚合。