摘要

我们介绍了图注意力网络（Graph Attention Networks, GATs），这是一种新颖的神经网络架构，专门用于处理图结构数据，通过利用掩码自注意力层来克服基于图卷积或其近似方法的先前技术的不足。通过堆叠多层，使得节点能够在这些层中关注其邻域特征，我们能够隐式地为邻域中的不同节点指定不同的权重，而无需进行任何昂贵的矩阵运算（如求逆）或依赖于预先了解图结构。这样，我们同时解决了基于谱的图神经网络的几个关键挑战，并使我们的模型既适用于归纳问题也适用于演绎问题。我们的GAT模型在四个已建立的演绎和归纳图基准测试中取得了或达到了最先进的结果：包括Cora、Citeseer和Pubmed引文网络数据集，以及一个蛋白质-蛋白质相互作用数据集（在训练过程中测试图未被见过）。