Graph Attention Network (GAT) 是一种基于注意力机制的图神经网络模型，由Veličković等人在2018年提出。它是对GCN模型的改进，能够对图中节点的不同邻居节点赋予不同的权重，从而更加准确地学习节点之间的关系。
GAT使用了自注意力机制来计算不同节点之间的权重，这种机制是通过一个可学习的向量来计算两个节点之间的相关度。在GAT中，每个节点的特征向量是由该节点自身特征向量和其邻居节点特征向量的加权平均得到的，而邻居节点的权重就是通过自注意力机制计算得到的。
GAT的优点在于它能够高效地学习节点之间的关系，同时具有较强的可解释性，能够清晰地显示节点之间的权重关系。
