- WWW同构偏好导向的异质图重连
本研究旨在提高异质图神经网络（HGNN）在非同质化环境下的泛化能力，通过提出一种基于元路径的刻画异质图同质性度量方法，并设计了基于同质性的异质图重连方法 HDHGR 来提高 HGNN 的性能。实验证明 HDHGR 的有效性，可以获得 10％ - GREENER: 新闻媒体个人资料的图神经网络
本文研究了网络新闻媒体的真实性和偏见问题，提出了 GREENER 模型，通过构建基于受众重叠的媒体相似性图和图神经网络来表示每个媒体，并发现其对新闻媒体的真实性和偏见的预测有很好的效果。
- 攻击图结构时梯度告诉我们什么
该研究证明了图神经网络容易受到对抗性攻击，在此基础上提出了一种多跳聚合的信息传递和正则化方法以增强对抗攻击的隐蔽性和攻击性能。
- KDD图神经网络在异质临近度下的公平性
本文研究了节点分类的任务，并建立了群体公平性（以统计平衡和平等机会方式衡量）与局部同配性之间的联系，即链接节点具有相似属性的趋势，在社交网络中，这种同配性通常是由于同质性引起的，而同质性可以迫使个人进入共享敏感属性的社区；通过合成图，我们研 - 网络和算法中的少数群体
本文旨在阐述关于社交网络数据驱动和理论支持的复杂模型的最新进展及其在理解社会不平等和边缘化方面的潜力。特别关注网络与基于网络的算法所引起的不平等问题，以及如何影响少数群体的感知和协作模式，最后指出该领域面临的主要挑战和未来机遇。
- EvenNet：忽略奇数跳邻居提高图神经网络的鲁棒性
本文提出一种基于谱图过滤器的 GNN 模型 EvenNet，通过理论分析和实验证明了该模型在处理同质和异质图方面的鲁棒性较强，优于现有方法，并且不需要引入额外的计算成本。
- 人口结构混杂导致 Facebook 上生活方式政治的极端现象
本文通过对 Facebook 用户数据的分析，探讨了人们的兴趣爱好、社交圈子和特定人口统计信息之间的关系，发现人口统计信息往往是导致生活方式政治极化的重要变量之一。经过政治倾向的人口统计影响的调整，最具极端性的生活方式政治减少了 27.36 - 适应传播机制的强力图卷积网络，用于同构性和异构性
本文提出了一种新的传播机制，可以智能地根据同类和异类节点之间的同质性或异质性自动更改传播和聚合过程，并基于拓扑和属性信息学习同质性度量方法，以刻画不同类别节点之间的相似度，在七个现实世界数据集上实验表明该方法优于现有方法。
- 推荐系统中的暴露不平等：长期影响
本文介绍了一个模型，通过多轮交互模拟用户和链接推荐器之间的反馈循环，研究了推荐算法的长期后果。实验结果表明，少数群体如果足够同质化，则可以从所有链接推荐器中获得不成比例的优势，同时推荐器会加剧富人越富的现象，这种现象独立于少数群体的同质化程 - WWWGBK-GNN：用门控双核图神经网络建模同质性和异质性
本文提出了一种基于 Bi-kernel 特征转换和选择门的 GNN 模型，其中使用两个核对同一阶段的节点进行建模，以更好地捕捉同质性和异质性信息。在各种数据集上的实验结果表明，该模型在同质性和异质性特性方面均显著优于现有 GNN 方法。
- 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 - ICLR自动化自监督图学习
Graph self-supervised learning can be improved by leveraging multiple pretext tasks through the AutoSSL framework, which - WWW非同构图学习的新基准
本文提出了一系列改进的图形数据集，并介绍了一种新的度量方式，以测试在低同质性设置中的新方法的有效性，利用图形神经网络和简单方法对所提出的数据集进行了基准测试，为进一步研究提供新的见解。
- AAAI具有异质性的图神经网络
本研究提出了 CPGNN 框架，它使用可解释的兼容性矩阵来建模图中异相性（heterophily）或同相性（homophily）水平，并证明了该框架在更现实和具有挑战性的实验设置下比以前的作品要有效。
- ICLR自适应通用广义 PageRank 图神经网络
本文提出了一种新的广义 PageRank（GPR）图神经网络（GNN）架构，用于联合优化节点特征和拓扑信息提取，无论节点标签是同质的还是异质的。通过学习 GPR 权重，学到适应节点标签模式的权重，避免了特征信息过度平滑的问题，从而提高了在同 - 特朗普主义的根源：Reddit 上的同性恋倾向和社会反馈
本篇研究探讨了 Reddit 上 Donald Trump 的支持者的形成。通过使用 2012 年的 Reddit 数据，作者们预测了 2016 年美国总统大选中 Donald Trump 的支持者出现的可能性，并通过三种不同的社会学假设描 - WSDMInf-VAE: 一种变分自编码器框架，用于集成同质性和影响力以进行扩散预测
本文介绍了一种新的变分自编码器框架 (Inf-VAE)，通过维护社交网络结构中的同质性和影响，利用图神经网络来选择性地利用用户的社交连接，使用一个新颖的表达式共同关注融合网络，来预测所有受影响的用户，展示 Inf-VAE 相对于现有扩散预测 - 社交网络中三元闭合和同质性的累积效应
研究表明，三元闭合和同质性是解释社交网络结构的两个机制，并结合这两个机制的最小可解动态模型，我们从理论上确认了同质性可以被三元闭合机制放大的假设，并发现它可以导致社交网络的核心 - 外围结构和先前的同质性限制的记忆的出现，这种理论认识强调社 - WWW我、我的回音室和我：关于社交媒体极化的内省
本研究通过 Social Mirror 流行网络可视化工具在 Twitter 上的随机试验，发现建议用户关注相反政治意识形态的帐户能够减少用户对自己社交网络联系的政治同质性的信念，但仍可在治疗后一周增加他们的联系多样性，而增强其对 Twit - 社交网络中少数群体的可见性
本文研究了同质化行为对于少数群体在社交网络中能见度的影响。通过分析性方程和真实世界社会网络的案例研究，本文提供了一种评估同质化或异质化行为下少数群体能见度的基础。