这篇文章揭示了深度图神经网络中的超平滑和特征过相关性的新理论洞见，并提出了一种防止这些问题的方法。研究发现，节点表示受到低维子空间的影响，与特征变换无关。实证结果表明现有模型无法捕捉线性独立特征。

本文研究了深度图神经网络中的超平滑和特征过相关性的新理论洞见。研究发现，节点表示受到低维子空间的影响，与特征变换无关。通过使用Kronecker乘积之和，可以防止超平滑、超相关和秩崩溃。实证研究证明现有模型无法捕捉线性独立特征。