自适应图池化模型

免调参自适应聚合

无需人工调参，通过边缘理解自然划分信息区域，保持图结构完整性并实现自适应池化。

Zhe, Cao · 徐立新 · 张睿恒 · Jin, Zhang · 裴红斌 · Daming, Zhou · Qiu, Jiayan

IEEE Transactions on Consumer Electronics 2025

技术优势

无需调参

通过筛选每个节点最重要的边来获取图的主结构，无需任何超参数调节即可确定信息区域。

保持结构完整性

利用n-边图自然形成的连通区域定义信息区域，并在池化后建立新连接，从而保持图的拓扑结构。

SOTA性能

在12个图数据集、4种类型上达到当前最优性能，证明了方法的有效性和泛化性。

应用场景

• 图神经网络：作为图神经网络的池化组件，替代人工调参的池化层，提升模型性能。
• 图数据分析：用于图数据降维和特征提取，自动保留关键结构信息。
• 智能感知：在智能传感网络中自适应聚合节点信息，降低通信和计算开销。
• 网络表征学习：学习网络表征时自适应确定节点分组，提升表征质量。