多视图感知增强
一种可广泛应用于多种图神经网络的通用池化算子，通过多视角信息融合与结构学习有效提升图表示质量。
张振 · 卜佳俊 · Ester, Martin · Jianfeng, Zhang · 李朝 · 姚诚伟 · Dai, Huifen · 于智 · 王灿
IEEE Transactions on Knowledge and Data Engineering 2023
不同视图提供不同的上下文信息，多视图融合可生成更稳健的节点排序。
可作为通用池化算子集成到 GCN、GAT、GraphSAGE 等多种图神经网络架构中。
引入结构学习机制，在每层池化后为池化图学习一个精炼的图结构，以保留底层拓扑信息。
可同时用于节点级和图级分类以及聚类任务，适用范围广。