SCGNN

SCGNN 引入细粒度球体计算，实现可扩展图表示学习

研究人员推出 SCGNN，一个新颖的框架，旨在通过提高节点间语义一致性的捕获能力来增强图神经网络。该方法利用细粒度球体计算 (GBC) 有效地对节点进行分组并建模组级语义结构，与传统方法相比，降低了计算复杂性并提高了对噪声的鲁棒性。SCGNN 包含一个双重增强策略，包括一个注入组级语义信息的结构增强模块和一个用于更可靠信号生成的监督增强模块。