消除 GCN 邻居冗余的图卷积网络简化
机器学习
2025-04-22 v2
摘要
近年来，图卷积网络（GCN）因其处理图结构数据的卓越能力而受到青睐。现有的 GCN 方法通常采用浅层模型架构，因为过平滑现象。缓解过平滑的现有方法主要通过向 GCN 架构添加附加组件来实现，例如残差连接和随机边丢弃策略。然而，这些对深层 GCN 的改进仅取得了有限的成功。在本工作中，我们分析了 GCN 的内在消息传递机制，识别出一个关键问题：来自高阶邻居的消息必须通过低阶邻居才能到达目标节点。这种对低阶邻居的反复依赖导致冗余信息聚合，我们称之为过度聚合。我们的分析表明，过度聚合不仅引入了显著的冗余，也是 GCN 过平滑的根本原因。
引用
@article{arxiv.2504.13426,
title = {Simplifying Graph Convolutional Networks with Redundancy-Free Neighbors},
author = {Jielong Lu and Zhihao Wu and Zhiling Cai and Yueyang Pi and Shiping Wang},
journal= {arXiv preprint arXiv:2504.13426},
year = {2025}
}