摘要

超图的图表示学习可用于提取高阶交互关系中的模式，而这类模式在许多现实世界问题中至关重要。然而，现有的超图学习方法难以适应不同类型的超图，且通常不具备针对多种学习任务的通用性。事实上，能够预测不同大小异构超边的模型尚未出现。本文提出一种基于自注意力机制的新型图神经网络——Hyper-SAGNN，该模型可适用于同质与异质超图，并能处理变尺寸的超边。我们在多个数据集上进行了广泛评估，包括四个基准网络数据集以及两个基因组学中的单细胞Hi-C数据集。实验结果表明，Hyper-SAGNN在传统任务上显著优于现有最先进方法，同时在一项新任务——“外来者识别”（outsider identification）中也表现出卓越性能。Hyper-SAGNN将为图表示学习提供有力工具，有助于揭示各类应用场景中复杂的高阶交互关系。