本文介绍了异构图神经网络（HGT）及其在动态异构图数据处理中的应用，提出了新框架CPGNN和Hetero$^2$Net，解决了传统图神经网络在异质性场景下的局限性。这些模型在节点分类任务中表现优越，具有重要的实际应用潜力。

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。

本文探讨了异质图神经网络（HGNN）的异质性问题，提出了Hetero$^2$Net模型，通过蒙版元路径和标签预测任务有效处理异质图。研究表明，该模型在半监督节点分类任务中优于传统模型。