HyperAggregation：基于超网络对图边进行聚合

HyperAggregation 是一种基于超网络的图神经网络聚合函数。它使用超网络动态生成当前邻域大小的权重，然后用于聚合该邻域。这种聚合通过生成的权重以类似 MLP-Mixer 通道混合的方式，对可变大小的顶点邻域进行操作。我们在两个模型中演示了 HyperAggregation：GraphHyperMixer 基于 MLP-Mixer，而 GraphHyperConv 源自 GCN，但采用超网络驱动的聚合函数。我们在用于顶点分类、图分类和图回归任务的多样化基准数据集上进行实验。结果表明，HyperAggregation 可用于 homophilic 和 heterophilic 数据集，适用于归纳和转导设置。GraphHyperConv 的性能优于 GraphHyperMixer，尤其在转导设置下表现尤为突出。在 heterophilic 数据集 Roman-Empire 上达到了新的状态。