图神经网络(gnn)的优势在于对结构化数据的拓扑信息进行显式建模。然而，现有的gnn在获取层次图表示方面的能力有限，而层次图表示在图形分类中起着重要的作用。本文创新性地提出了层次图胶囊网络(HGCN)，该网络可以联合学习节点嵌入和提取图的层次结构。具体地说，解纠缠图胶囊是通过识别每个节点下的异构因素建立的，这样它们的实例化参数代表同一实体的不同属性。为了学习层次表示，HGCN通过显式地考虑部件之间的结构信息，刻画了低层胶囊(部分)和高层胶囊(整体)之间的部分-整体关系。实验研究证明了HGCN算法的有效性和各组成部分的贡献。

https://www.zhuanzhi.ai/paper/c9930a15b45547cafbee90db8c5612aa