目录
1、动机
2、贡献
3、方法
4、结果
1、动机异构图神经网络(HGNN)已经成功地应用于各种任务中，但由于体系结构和应用场景的不同，我们无法准确地知道不同设计维度对HGNN的重要性。此外，在hgnn的研究界，各种任务的实施和评估还需要大量的人力。为了缓解这些问题，我们首先提出了一个涵盖大多数hgnn的统一框架，该框架由三个组件组成:异构线性转换、异构图转换和异构消息传递层。然后，基于统一框架定义了hgnn的设计空间，构建了平台Space4HGNN，为hgnn提供模块化的组件、可重复的实现和标准化
