局部-全局正则化的分层图池化

本研究针对传统图神经网络在处理图结构时缺乏多尺度和全局拓扑考虑的问题，提出了LGRPool方法。该方法通过期望最大化框架，实现局部和全局特征的对齐，并引入正则化，使得不同层次的图池化能够更好地结合局部信息与全局拓扑。实验结果表明，该方法在图分类基准测试上表现优于一些基线方法。