学会跳跃：通过图层级结构进行长程传播的自适应随机游走

消息传递架构难以在节点与图预测任务中充分建模长程依赖关系。我们提出了一种利用层次图结构与自适应随机游走的新方法来应对这一挑战。我们的方法引入了可学习的转移概率，以决定游走应倾向于原图还是跨越层级捷径。在一个合成的长程任务上，我们证明了该方法能够超越仅作用于原始拓扑的传统方法所受的理论界限。具体而言，倾向于层级的游走能够实现与原图上较长游走相同的性能。这些初步发现为在有效捕捉长程依赖的同时高效处理大图开辟了有前景的方向。