朝向图形上的动态消息传递
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了图神经网络中消息传递过度依赖输入拓扑的问题，导致其有效性下降。我们提出了一种新颖的动态消息传递机制，利用可学习的伪节点与图节点在共同空间中的可测关系，促进了灵活的消息传递路径构建。实验表明，我们开发的模型$\mathtt{\mathbf{N^2}}$在多个基准测试中表现优越，并且在参数需求上显著降低，适应大规模图分类任务。
本研究提出了一种新颖的动态消息传递机制，解决了图神经网络中对输入拓扑的过度依赖问题。实验结果表明，模型$ exttt{ extbf{N^2}}$在多个基准测试中表现优异，且参数需求显著降低，适合大规模图分类任务。
