CSAG-GNN

新 GNN 框架增强了对拓扑噪声的鲁棒性

研究人员开发了一个用于图神经网络（GNN）节点预测的新框架，旨在提高对拓扑噪声和异质连接的鲁棒性。该方法通过使用独立的锚点网络来捕获内在属性特征，从而将特征转换和邻域聚合解耦。提出了一种通道分离自适应门控 GNN (CSAG-GNN) 来动态路由表示，并采用稳定的交替优化策略来训练模型。实证结果表明，与现有方法相比，该方法在性能和结构鲁棒性方面均取得了平衡的提升。