heterophilic graphs | BriefGPT

关键词heterophilic graphs

搜索结果 - 16

图神经网络中的节点滤波：一种专家混合方法
图神经网络 (GNNs) 在各种图结构模式下的节点分类任务中已被证明非常有效。然而，现实世界的图通常展现出复杂的同构和异构模式的混合，使用统一的全局过滤器方法则不够优化。为解决这个问题，我们引入了一种新颖的 GNN 框架 Node-MoE，
PDFa month ago
ICML图对抗扩散卷积
本文介绍了一个图信号去噪问题的极小极大优化方法，通过引入以拉普拉斯距离为基础的图结构扰动来最大化图信号去噪中的第二项，并最小化整体损失，从而得到了图扩散卷积的新变种，称为图对抗性扩散卷积。不同于图扩散卷积，图对抗性扩散卷积还融合了一项额外的
PDFa month ago
通过 GNN 的反向过程区分异质图的邻居表示
通过逆向消息传递过程，改进了图神经网络中的过度平滑问题，并提高了在异质图中节点分类的预测性能。
PDF4 months ago
异质性下的链接预测：一种受物理启发的图神经网络方法
基于 GRAFF 方法的 GRAFF-LP 扩展能够改善异质图下的链接预测性能，通过在一系列异质图数据集上的评估，相对 AUROC 提升达到最高 26.7%。
PDF4 months ago
保持邻居相似性的全局鲁棒图神经网络
在这篇论文中，我们探索了异质图中图神经网络的脆弱性，并在理论上证明了负分类损失的更新与基于聚合邻居特征的成对相似性呈负相关。为了解决这个问题，我们提出了一种名为 NSPGNN 的新型鲁棒模型，它在监督邻居相似性引导传播的过程中采用了双 k
PDF6 months ago
AAAI基于异构图的鲁棒图卷积网络中的潜在同质结构优化
我们研究了图卷积网络在节点分类中对普遍存在的异质图的鲁棒性，并发现主要的脆弱性源于结构上的分布不一致问题。为了解决这个问题，我们提出了一种新的方法，通过自动学习异质图上的潜在同质结构来加固 GCNs。这个方法被称为 LHS，通过多节点交互的
PDF6 months ago
AAAIPC-Conv：融合同质性与异质性的双重过滤
提出了一种两重过滤机制来提取异态图里的同质性和同态图里的不同质性，其中使用了扩展图热方程来进行异态聚合，并介绍了一个强大的 PCNet 图卷积方法，通过该方法在节点分类任务上展现出了有竞争力的性能。
PDF6 months ago
非局部图的多分辨结构视图对比学习
学习异质图的节点级表示对于欺诈者检测和蛋白质功能预测等各种应用至关重要。为了解决传统节点表示无法捕捉高阶图结构的问题，我们提出了一种新颖的多视图对比学习方法，通过在图上集成扩散滤波器，捕捉异质图中的结构等价性，发现传统节点表示中隐含的关系和
PDF10 months ago
MUSE: 异质图的多视图对比学习
我们提出了一种用于异质图的多视角对比学习模型 MUSE，通过使用增强的 GNNs 构建两个视图来捕获离心节点及其邻域的信息，并融合这两个视图的信息进行节点表示，通过融合对比增强效果，使用信息融合控制器建模本地和全局节点 - 邻域相似度的多样
PDFa year ago
超越同质假设的不平衡节点分类
本研究提出了 GraphSANN 模型，用于实现在同构和异构图中的不平衡节点分类。该模型包含统一的特征混合器、自适应的子图提取器和多过滤器子图编码器三个部分，并在八个数据集上进行了广泛实验，结果表明该模型在同构和异构图的不平衡节点分类上具有
PDFa year ago
图注意力变换器
该研究提出了一种图形变换器结构的分类体系，展示了其在分子预测等方面的潜力，探究了其在处理异质性图形及防止过多压缩等方面的效果，并提供了未来研究的方向和挑战。
PDFa year ago
AAAI超越平滑化：具有边异质性区分的非监督图表示学习
提出了一种新的无监督概率图表征学习方法 GREET，通过边鉴别器 (tedge discrimination) 学习鉴别同态和异态的边，采用对偶编码 (dual-channel encodings) 对同态和异态边进行对比，进一步强化边鉴别
PDF2 years ago
Clenshaw 图神经网络
本文介绍 ClenshawGCN 模型，采用 Clenshaw 求和算法增强 GCN 模型的表现力，通过两种残差模块来模拟多项式滤波器，从而提高了在异构图上的学习表现，实验结果表明，我们的模型优于空间和谱 GNN 模型。
PDF2 years ago
图神经网络作为梯度流：通过能量理解图卷积
将 Gradient flows 用于 Graph Neural Networks 的形式体系上，提供了一种物理学启发式的解释：将 GNN 视为 “在特征空间中学习粒子动力学”，并证明了正 / 负特征通道混合矩阵的特征值对应相邻特征之间的引
PDF2 years ago
ICML基于 $p$-Laplacian 的图神经网络
本文提出了一种新的 GNN 模型：$^p$GNN，它实现了细胞特征和拓扑信息的同时分类，特别适用于异质图，其经过了充分的实验验证并表明表现显着优于多种 GNN 模型。
PDF3 years ago
KDD基于简单截断 SVD 的异质图节点分类模型
本研究提出了一种基于截断奇异值分解（Truncated Singular Value Decomposition，TSVD）的方法，该方法在异质图上取得了比先前最先进的方法高达约 30% 的性能提升，揭示了聚合方法以外的方法在解决异质图问题
PDF3 years ago