图Transformer：超越图神经网络的下一代图模型

图数据无处不在，但利用其复杂的长程关系一直是机器学习的挑战。图神经网络（GNN）擅长捕捉局部模式，但难以处理全局关系。图Transformer应运而生，它利用强大的自注意力机制，让每个节点直接关注图中任何位置的信息，从而捕捉更丰富的关系和微妙的模式。与GNN相比，图Transformer在处理长程依赖、克服过度平滑和过度压缩方面具有优势，并能更有效地处理异构数据。虽然图Transformer的计算复杂度较高，但通过稀疏注意力机制和子图采样等技术，可以有效地处理大型图数据。