本文回顾了异态图神经网络的研究进展，提出了分类法和主要模型，分析了基准数据集，并探讨了未来的研究方向。介绍了语言模型图神经网络（LM-GNN）和Hetero$^2$Net等新方法，强调了在异质图中有效利用节点分布和语义信息的重要性，以提升节点分类任务的性能。

本文综述异态图神经网络，提出分类法，分析主要模型与基准，并展望未来方向。研究还提出DHGR图重构方法、CPGNN兼容性矩阵框架、ACM自适应通道混合框架、GPR广义PageRank架构及GraphLP生成式链路预测模型，验证其提升节点分类与鲁棒性性能。