Clenshaw图神经网络

图卷积网络(GCNs)采用带堆叠卷积层的消息传递范式，是学习图表示的基础方法。近期的GCN模型使用多种残差连接技术以缓解过平滑与梯度消失等模型退化问题。然而，现有残差连接技术未能如图谱域那样充分利用底层图结构，而这对在同配性低的图上获得满意结果至关重要。本文引入ClenshawGCN，一种采用Clenshaw求和算法增强GCN模型表达力的GNN模型。ClenshawGCN为标准GCN模型配备两个简洁的残差模块：自适应初始残差连接与负二阶残差连接。我们表明，通过添加这两个残差模块，ClenshawGCN隐式地在Chebyshev基下模拟多项式滤波器，使其至少具备与多项式谱GNN同等的表达能力。此外，我们进行了全面实验以证明本模型相对于空间与谱GNN模型的优越性。