经过半年的研究和开发，GAMMA Lab今⽇正式发布功能更强⼤、稳定性更强的异质图神经网络算法库OpenHGNN 0.5版本🎉 🎉 🎉 ！新版本我们增加了11个新的图神经网络模型，包含pretrain、recommendation、abnorm_event_detection、graph_attack_defense四个新的前沿图学习任务。目前OpenHGNN已有40+个模型和8个下游任务，为研究者提供更多可选择的方向。此外，我们加入了Tensorboard的可视化功能，让使用者能更好地管理、调优自己的实验结果。在健壮性方面，我们修复了一些已有的bug，感谢各位用户的反馈！用户文档也得到了全方面的维护，方便您的使用。

一、新增图神经网络模型和数据集

在这个版本中我们加入了以下11个新模型：

基于meta_path的异质图推荐模型MeiREC [KDD2019]
自监督的异质图预训练模型SHGP [NeurIPS2022]
鲁邦性异质图神经网络模型RoHE [AAAI2022]
基于超图对比学习的异常事件检测模型AEHCL [SDM2023]
几何知识图谱模型GIE [AAAI2022]
图神经网络模型GIN [ICLR2019]
异质图meta graph神经网络模型DiffMG [KDD2021]
轻量高效经典推荐模型lightGCN [SIGIR2020]
基于知识图谱的注意力推荐模型KGAT [KDD2019]
解耦的自监督图学习模型DSSL [NeurIPS2022]
异质图对抗推荐模型HGCL [WSDM2023]

此外，CompGCN和GIN模型现已支持mini-batch训练，HGSL模型可支持在acm和yelp数据集上训练。

截至目前，OpenHGNN已支持40+模型和8个不同的task！

二、新增前沿图学习任务的训练流程

这个版本中我们根据学术前沿的研究方向，新增了四个新的下游任务，并根据这些领域的经典模型形成了完整、规范的训练流程(pipeline)。

Recommendation推荐。目前支持Amazon-book、LastFM、yelp2018和gowalla数据集，形成了完整的训练流程。支持的模型有KGAT、lightGCN、KGCN、MeiRec。

⚠️MeiRec模型是本实验室(GAMMA_Lab)发表的异质图推荐模型。

Graph Attacks and defenses图攻防。目前支持可在acm数据集上训练的RoHE模型，该训练流程可对原始的HAN模型进行性能对比，更直观地感受鲁棒性模型在受污染的数据集上的优异表现。

⚠️RoHE模型是本实验室(GAMMA_Lab)发表的异质图鲁棒性模型。

pretrain预训练。目前支持SHGP模型，并可在mag、imdb、dblp三个数据集上训练。
Abnorm_event Detection异常事件检测.目前支持AEHCL模型，可在Aminer数据集上训练。

⚠️AEHCL模型是本实验室(GAMMA_Lab)发表的异常事件检测模型。

欢迎使用者在OpenHGNN上使用上述Pipeline来衡量自己模型在这些前沿任务中的表现，或者复现这些已有模型的实验结果。

在这个版本的开发中我们也记录了其中一个pipeline的开发流程，以方便之后同类型功能的开发、降低联合伙伴开发的难度。🔗：https://docs.qq.com/pdf/DQ2hlQ3BXeWxpZ0N4

三、TensorBoard可视化工具

现已支持使用TensorBoard可视化工具来记录并可视化 OpenHGNN 的训练结果。在使用 OpenHGNN 算法库进行训练和应用时，如果您需要改进模型的某些参数，通常需要对其已有的训练结果进行衡量。TensorBoard 是用于提供机器学习工作流期间所需测量和呈现的工具。它使您能够跟踪实验指标(例如损失和准确率)，呈现模型计算图，将嵌入向量投影到较低维度的空间等。效果展示：

详细的使用方法可见OpenHGNN的github主页, 🔗：https://github.com/BUPT-GAMMA/OpenHGNN

或者查看我们的用户使用手册。🔗：https://docs.qq.com/pdf/DQ0VBVnNVYUxMYldG