在异质性条件下为图神经网络学习个性化的范围
最近,图神经网络(GNNs)在半监督节点分类中表现出色。然而,大多数GNN都遵循同质性假设,限制了其能力。为此,研究人员引入了AMUD和ADPA,提高了图学习的效果。实验证实了它们的出色性能。
原文中文,约500字,阅读约需2分钟。
最近,图神经网络(GNNs)在半监督节点分类中表现出色。然而,大多数GNN都遵循同质性假设,限制了其能力。为此,研究人员引入了AMUD和ADPA,提高了图学习的效果。实验证实了它们的出色性能。