据我所知，超图的深度学习仍然是一个相对较新的领域，所以我认为超图没有现成的解决方案。我确实找到了这个 repo，它在 keras 中实现了一些模型，以配合最近的一篇关于超图学习的论文，但它几乎不是一个库。

您还可以查看这篇论文，其中引用了两种将超图转换为图的技术：

值得注意的是，以前的方法 [用于超图学习] 通常将超边分解为成对关系，其中分解方法可以分为两类：显式和隐式。例如，给定一个超边 (v_1,v_2,v_3)，显式方法会将其直接分解为三个边，$(v_1,v_2), (v_2,v_3), (v_1,v_3)$，而隐式方法会添加一个隐藏节点$e$表示分解前的超边，即$(v_1,e),(v_2,e),(v_3,e)$.

如果您可以这样做，那么除了 Spektral 之外还有一些选择：

Deep Graph Library提供了与 Tensorflow.keras 兼容的 API，尽管他们的文档似乎更倾向于 PyTorch。

还有Graph Nets，它建立在 Tensorflow.keras 之上，尽管目前它还很简单。