该文综述异质图神经网络研究，涵盖异质性标签与对抗攻击鲁棒性的关系及可提升鲁棒性18.33%的设计原则，多谱滤波器节点注意力模型、广义PageRank架构、图重构与双图聚类方法，传统GCN在部分异质图上更优且同质性非性能必要条件的发现，群体公平性与局部同配性的联系及可提升公平性25%的异质GNN设计，CAGNNs框架对节点分类准确率的提升，解释性能差异的PAC-Bayesian界，以及异质GNN的分类、基准与方向综述。