选择性跳数图神经网络

节点自适应感受野

每个节点根据图性质动态调整邻居聚合范围，无需固定跳数约束。

Yan, Hui · Ai, Guoguo · Li, Xin

Neurocomputing 2025

参数信息

数据集数量

8

技术优势

节点可自适应选择跳数

通过双重注意力机制（节点级和通道级）融合不同跳数的邻域信息，每个节点能根据自身特征和图结构灵活决定聚合范围。

对异配图效果显著

在低同配性或异配性数据集上，模型性能相比现有方法有显著提升，解决了传统GNN在异配图上表现不佳的问题。

同配图性能不降

在同配性数据集上，模型保持有竞争力的性能，不会因为增加适应性而牺牲原本的优势。

应用场景

• 图神经网络：为图神经网络提供节点级自适应感受野，可用于改进各种GNN架构。
• 节点分类：在低同配性或异配性图上提升节点分类准确率，可应用于社交网络、引文网络等。