DIB-OD

新的DIB-OD框架增强了GNN在异构域自适应方面的能力

研究人员推出了一种名为DIB-OD的新框架，旨在提高图神经网络（GNN）在异构域之间的泛化能力。该方法通过将任务相关的不变知识与域特定的噪声分离开来，解决了分布偏移的挑战。DIB-OD利用解耦信息瓶颈和在线蒸馏方法来分离一个稳定的不变核心表示，该表示可以跨越域边界。实验表明，DIB-OD的性能显著优于现有方法，尤其是在具有挑战性的跨类型域迁移任务中，展示了增强的泛化能力和对灾难性遗忘的抵抗力。