几何演化图卷积网络：通过里奇流增强图表示学习
机器学习
2026-05-07 v2
摘要
我们提出了几何演化图卷积网络（GEGCN），一种通过显式建模图结构上的几何演化来增强图表示学习的新框架。具体而言，GEGCN 利用长短期记忆（LSTM）网络捕获由离散里奇流生成的动态结构序列，并将学到的动态表示注入图卷积网络。大量实验表明，GEGCN 在各种基准数据集上的分类任务中取得了优异性能，涵盖同配图、异配图、过滤图和大规模图。
引用
@article{arxiv.2603.26178,
title = {Geometric Evolution Graph Convolutional Networks: Enhancing Graph Representation Learning via Ricci Flow},
author = {Jicheng Ma and Yunyan Yang and Juan Zhao and Liang Zhao},
journal= {arXiv preprint arXiv:2603.26178},
year = {2026}
}