我们提出了一种新的网络架构——门控注意力网络（GaAN），用于图上的学习任务。与传统的多头注意力机制不同，后者对所有注意力头同等对待，而GaAN通过一个卷积子网络来控制每个注意力头的重要性。我们在归纳节点分类问题上验证了GaAN的有效性。此外，以GaAN为构建模块，我们设计了图门控循环单元（GGRU），以解决交通速度预测问题。在三个真实世界数据集上的大量实验表明，我们的GaAN框架在这两项任务中均取得了最先进的成果。