超图匹配是一种通过考虑高阶结构信息来寻找特征对应关系的有效工具。近年来，深度学习在图匹配任务中取得了显著进展，展现出其在超图匹配中的巨大潜力。因此，本文首次提出了一种统一的超图神经网络（Hypergraph Neural Network, HNN）解决方案，用于超图匹配问题。具体而言，针对待匹配的两个超图，我们首先构建一个关联超图（association hypergraph），并将超图匹配问题转化为该关联超图上的节点分类问题。随后，我们设计了一种新型的超图神经网络，以高效求解该节点分类任务。所提出的HNN-HM方法具有端到端可训练性，能够联合优化所有组件，从而提升整体性能。在多个基准数据集上的实验结果表明，HNN-HM在匹配精度上显著优于现有最先进方法，展现出明显优势。