本研究提出了一种聚类-归一化-激活（CNA）模块，有效解决了图神经网络的过平滑问题，显著提升了节点分类和属性预测的准确率，Cora和CiteSeer数据集上分别达到94.18%和95.75%。

本研究探讨了图神经网络（GNN）在过压缩和过平滑方面的挑战，提出通过图重连技术来改善信息传播，发现合适的重连方法能显著提升GNN的表达能力和信息流动性。

本研究探讨了未训练的图卷积网络（GCNs）在生成有效节点嵌入方面的表现。结果显示，单层GCNs的网络宽度会影响嵌入的差异性，并且部分训练的GCNs能够有效减少过平滑现象。