Homophily-Aware Stratification

新的 HP 方法增强了图神经网络评估的稳定性

研究人员开发了一种名为 HP（同质性感知分层）的新方法，以提高图神经网络 (GNN) 评估的可靠性。传统的 GNN 训练和测试数据随机划分可能导致报告的准确性因划分中邻域同质性的差异而产生显著变化。HP 通过基于节点同质性进行数据分层来解决这个问题，确保不同的测试折叠具有相似的局部关系一致性，并保持类别分布。该方法在 15 个数据集和 7 种 GNN 架构的基准套件中展示了更高的稳定性和可靠性。