Feb, 2024
探究图神经网络的超范围泛化：一种架构视角
Investigating Out-of-Distribution Generalization of GNNs: An
Architecture Perspective
TL;DR对于图外分布问题（OOD），本研究从体系结构角度进行了全面调查，探讨了现代图神经网络的常见构建模块。通过广泛的实验，揭示了图的自注意机制和解耦体系结构对图ODD泛化的正面贡献，而线性分类层则会损害图ODD泛化能力。此外，我们基于这些发现开发了一种新的图神经网络模型DGAT，它充分利用了图的自注意机制和解耦体系结构的稳健特性，并通过广泛的实验证明了我们模型在图ODD下的有效性，对各种训练策略都展现出了明显和一致的改进。