基于前几章的基本架构和训练方案，我们现在将重点转向将图神经网络 (neural network)应用于更复杂的图结构和任务。本章将引导您使GNN适用于异构图，此类图包含多种节点和边类型，方法包括关系图卷积网络 (RGCN) 和异构注意力网络 (HAN)。您还将学习建模动态图的技术，其结构或特征随时间变化。

我们将考察GNN如何有助于知识图谱嵌入 (embedding)和链接预测。此外，本章还涵盖用于生成新的图数据的图生成模型，用于在没有明确标签的情况下进行图表示学习的自监督学习 (supervised learning) (self-supervised learning)方法，以及对图级别预测任务很必要的高级图池化和读出函数。在本章结束时，您将能够使用专门的GNN技术处理更广泛的基于图的问题。