2025KDD-When Heterophily Meets Heterogeneity: Challenges and a New Large-Scale Graph Benchmark

文章总结与翻译

一、主要内容

本文聚焦图挖掘领域中异质性（多种节点和边类型）与异嗜性（相连节点标签/属性差异）并存的问题，现有基准测试仅侧重单一特性，存在研究缺口。为此，作者提出异嗜性和异质性图基准测试（H²GB），涵盖9个真实世界数据集（跨学术、金融、电商、社会科学、网络安全5个领域）、28个基线模型，以及标准化的基准测试库（含数据加载器、评估器、建模框架）。

通过系统实验，作者发现现有模型在同时处理异质性和异嗜性时性能受限：同质异嗜性GNN因无法利用多样节点/边类型而表现不佳，异质同嗜性GNN的性能依赖其处理异嗜性的架构鲁棒性，部分模型存在扩展性问题。基于此，作者遵循H²GB的标准化流程，提出新模型H²G-former，通过掩码标签嵌入、异质注意力等组件，显著提升了在基准测试中的性能。

二、创新点

1. 首个综合基准测试H²GB：首次针对同时含异质性和异嗜性的大规模图设计，填补现有基准测试的空白，涵盖多样化真实数据集和全面基线模型。
2. 标准化框架与流程