哪个图移位算子？图神经网络的谱方法论
机器学习
2026-02-09 v1 人工智能
机器学习
摘要
图神经网络 (GNN) 已成为学习图结构数据的最佳模型，通常归类为空间方法和谱方法。这些架构的核心是图移位算子 (GSO)，它是图结构的矩阵表示，用于滤波节点信号。然而，选择最佳 GSO（无论是固定的还是可学习的）仍 largely 基于经验。在本文中，我们引入了一种新的对齐增益度量标准，用于量化输入信号与标签子空间之间的几何畸变。关键在于，我们的理论分析将该对齐直接关联到通过谱代理表示的 Lipschitz 常数的泛化界。这产生了一个原则且计算效率高的准则，用于在训练前对任何预测任务对 GSO 进行排序和选择，无需进行大规模搜索。
引用
@article{arxiv.2602.06557,
title = {Which Graph Shift Operator? A Spectral Answer to an Empirical Question},
author = {Yassine Abbahaddou},
journal= {arXiv preprint arXiv:2602.06557},
year = {2026}
}