理解GNN及动态图中的同伪关系
机器学习
2025-04-30 v1
摘要
同伪关系作为一种度量，对我们理解图神经网络（GNN）至关重要。然而，迄今为止，这一度量仅在静态图的上下文中进行分析。在本工作中，我们探索了动态环境中的同伪关系。聚焦图卷积网络（GCN），我们在动态环境中理论地表明，当前 GCN 的判别性能由节点未来标签与其邻居当前标签相同且相同的概率 characterize。基于这一洞察，我们提出了动态同伪关系，这是一种适用于动态环境的新型同伪关系度量。这一新度量与 GNN 判别性能相关，并为如何设计更强大的动态图 GNN 提供了启发。利用多种动态节点分类数据集，我们表明流行的 GNN 对低动态同伪关系并不稳健。就此而言，我们的工作代表了理解动态节点分类中同伪关系和 GNN 性能的重要一步。
引用
@article{arxiv.2504.20421,
title = {Understanding GNNs and Homophily in Dynamic Node Classification},
author = {Michael Ito and Danai Koutra and Jenna Wiens},
journal= {arXiv preprint arXiv:2504.20421},
year = {2025}
}
备注
AISTATS 2025; version with full appendix