本研究提出了一种双频过滤自感知图神经网络（DFGNN），旨在解决图神经网络在处理图结构数据时的拓扑和属性干扰问题。该模型结合低通和高通滤波器，有效提取平滑和详细的拓扑特征，显著提升了同质和异质图的分类性能。