FSpecGNN

全谱GNN推进了用于富有表现力和可扩展图学习的光谱滤波

研究人员推出全谱图神经网络（FSpecGNN），这是一种新颖的方法，可增强光谱图神经网络的表现力。FSpecGNN通过在节点对上操作并对特征值对使用双变量滤波器来推广经典光谱GNN，超越了一维Weisfeiler-Lehman测试的局限性。这一进展实现了节点对信号的通用近似，这对于异质图学习特别有益。所提出的架构还集成了可扩展的实现和低秩近似，从而能够在大规模图上进行高效学习。