基于飞桨图学习框架的空间异配性感知图神经网络
原文中文，约4500字，阅读约需11分钟。发表于：。本期文章将为大家分享飞桨社区开发者肖淙曦、周景博发表于数据挖掘顶会KDD2023的论文《Spatial Heterophily Aware Graph Neural Networks》。肖淙曦肖淙曦，百度研究院商业智能实验室研究实习生，中国科学技术大学在读博士生，主要从事时空数据挖掘和图深度学习相关的研究工作。基于飞桨完成多篇论文，发表于KDD、AAAI等计算机顶级学术会议。周景博周景博，飞桨开发...
本文介绍了飞桨社区开发者肖淙曦和周景博在数据挖掘顶会KDD2023上发表的论文《Spatial Heterophily Aware Graph Neural Networks》。文章讨论了城市图中的空间异配性问题，并提出了一种空间异配性感知的图神经网络（SHGNN）来解决这个问题。SHGNN通过对邻居节点进行空间划分和特征聚合，以及利用共性和差异信息来增强节点表示。实验结果表明，SHGNN在城市任务中表现出更好的性能。相关代码已在PaddleSpatial平台上开源。
