研究人员调查了图神经网络（GNN）的设计规则在不同基准数据集上的表现。他们发现，这些基准的构成显著影响了标签信息量是否能预测GNN聚合器的选择。具体来说，即使标签信息量较低，像Facebook-100这样的密集好友网络也偏好使用求和聚合，而标准模型或仅基于度数的指标无法单独复制这种行为。研究表明，基准的多样性，而不仅仅是数值上的不足，决定了设计规则的表观泛化能力。 AI
影响 强调了多样化数据集在评估和开发图神经网络模型方面的重要性。
排序理由 该集群包含一篇在arXiv上发表的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →