Graph Transformer是一種將Transformer架構應用於圖結構資料的特殊神經網路模型。該模型透過融合圖神經網路(GNNs)的基本原理與Transformer的自注意力機制，實現了對圖中節點間關係資訊的處理與長程依賴關係的有效捕獲。
Graph Transformer的技術優勢
在處理圖結構資料任務時，Graph Transformer相比傳統Transformer具有顯著優勢。其原生整合的圖特定特徵處理能力、拓撲資訊保持機制以及在圖相關任務上的擴充套件性和效能表現，都使其成為更優的技術選擇。雖然傳統Transformer模型具有廣泛的應用場景，但在處理圖資料時往往需要進行大量架構調整才能達到相似的效果。
https://avoid.overfit.cn/post/c55905dd905c430ea3a2361875e3685d