重新设计基于图滤波器的图神经网络，以放宽同质性假设

本研究解决了图神经网络在非同质数据上性能下降的问题。论文提出了一种新的架构，重新诠释了卷积GNN中的图滤波器，使其能够更有效地从同质和非同质数据中学习，同时缓解过平滑的问题。实验结果表明，该架构在多个数据集上均优于现有的先进基线，显示出其良好的应用潜力。