分段常数谱图神经网络
机器学习
2025-05-09 v1 人工智能
摘要
图神经网络（GNN）通过利用数据中的图结构在 various 领域取得了显著的成功。现有的谱 GNN 使用低阶多项式滤波器来捕获图的谱特性，但由于多项式阶数的有限，可能未完全识别图的谱特性。然而，增加多项式阶数在计算上代价高昂，且超过某些阈值后会导致性能平台期或恶化。在本文中，我们提出了分段常数谱图神经网络（PieCoN）来解决这些挑战。PieCoN 将常数谱滤波器与多项式滤波器结合，以提供更灵活地利用图结构的方式。通过自适应将谱分区分为区间，我们的方法增加了可以有效学习的谱特性的范围。在包括 homophilic 和 heterophilic 图的九个基准数据集上的实验表明，PieCoN 在 heterophilic 数据集上尤其有效，凸显了其在广泛应用中的潜力。
引用
@article{arxiv.2505.04808,
title = {Piecewise Constant Spectral Graph Neural Network},
author = {Vahan Martirosyan and Jhony H. Giraldo and Fragkiskos D. Malliaros},
journal= {arXiv preprint arXiv:2505.04808},
year = {2025}
}
备注
Accepted to TMLR 2025