图神经网络中的过度压缩：综述

图神经网络（GNNs）革新了面向图结构数据的机器学习，有效捕捉复杂关系。它们通过互联节点传播信息，但长程交互面临称为“过度压缩”的挑战。本综述深入探讨图神经网络（GNNs）中的过度压缩问题，其中长程信息传播受阻，影响依赖复杂长距离交互的任务。它全面探讨过度压缩的成因、后果与缓解策略。综述了多种方法，包括图重连、新颖归一化、谱分析与基于曲率的策略，重点关注其权衡与有效性。该综述还讨论了过度压缩与其他GNN局限（如过度平滑）之间的相互作用，并提供了为处理节点与图级任务中这些问题而设计模型的分类法。用于性能评估的基准数据集亦被详述，使本综述成为GNN领域研究人员与从业者的宝贵资源。