Hiërarchische multi-schaal graph neural networks: schaalbaar heterofiel leren met mitigatie van oversmoothing en oversquashing

arXiv:2605.10975v1 Aankondiging Type: nieuw Samenvatting: Grafieken met heterofilie, waarbij aangrenzende knooppunten verschillende labels dragen, komen veel voor in toepassingen in de echte wereld, van sociale netwerken tot moleculaire interacties. Bestaande spectrale Graph Neural Network (GNN)-benaderingen die op maat zijn gemaakt voor heterofiele grafiekclassificatie lijden echter onder hub-gedomineerde (knooppunt met grote mate) aggregatie en oversmoothing, omdat hun suboptimale polynoomfilters benaderingsfouten introduceren en verre signalen mengen.