综合图池化基准：有效性、鲁棒性与通用性
机器学习
2026-04-03 v5 人工智能
摘要
图池化因其能够获取用于各种下游任务的节点和图表示而受到关注。尽管近期图池方法激增，但缺乏标准化的实验设置和公平的基准来评估其性能。为此，我们构建了一个包括 17 种图池方法和 28 种不同图数据集的综合基准。该基准在三个维度上系统评估图池方法的性能，即有效性、鲁棒性和通用性。我们首先评估了这些图池方法在包括图分类、图回归和节点分类在内的不同任务中的性能。然后，我们研究其在潜在噪声攻击和真实场景下的分布外迁移中的表现。我们还涉及详细的效率分析、骨干网络分析、参数分析和可视化，以提供更多证据。广泛的实验验证了图池方法在各种情境下强大的能力和适用性，这为深度几何学习研究提供了宝贵的见解和指导。我们的基准源代码已公开于 https://github.com/goose315/Graph_Pooling_Benchmark。
引用
@article{arxiv.2406.09031,
title = {A Comprehensive Graph Pooling Benchmark: Effectiveness, Robustness and Generalizability},
author = {Pengyun Wang and Junyu Luo and Yanxin Shen and Ming Zhang and Shaoen Qin and Hanwen Xing and Siyu Heng and Xiao Luo},
journal= {arXiv preprint arXiv:2406.09031},
year = {2026}
}