H2GCN

GNN在异质图上的性能取决于节点表示

一篇新的研究论文探讨了图神经网络（GNN）在异质图上的性能，在异质图中，连接的节点通常具有不同的标签。研究发现，不同GNN架构的有效性在很大程度上取决于所使用的节点表示类型。例如，在Roman-Empire基准测试中，使用上下文Transformer嵌入而非静态fastText向量所带来的性能提升在不同架构之间存在显著差异，GAT比GCN-sep显示出更大的改进。这表明在评估GNN在异质环境中的鲁棒性时，架构选择和表示策略不能孤立地进行评估。