为了提升图神经网络在异质图上的节点表示学习能力,从节点邻域差异的角度出发构造了一个简单有效的组合滤波器图网络学习模型,使得滤波器参数可以逐节点自适应学习。该模型通过节点和其邻居的相似度差异学习滤波器的低通和高通滤波系数,之后通过维度自适应门控信号融合中间层学习使节点能学习更鲁棒的高阶表示。通过自适应调节节点对低频和高频信息的获取比例和正负信号的聚合,更好地学习到异质图的节点表示。实验结果表明,提出的方法在节点分类任务中与其他先进方法对比,在性能上具有优势,并有助于缓解过平滑现象。