Buchumschlag

Graph Neural Networks for Graphs with Heterophily: A Survey

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zheng, Xin, Wang, Yi, Liu, Yixin, Li, Ming, Zhang, Miao, Jin, Di, Yu, Philip S., Pan, Shirui
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Label-Free Heterophily-Guided Approach for Unsupervised Graph Fraud Detection
von: Pan, Junjun, et al.
Veröffentlicht: (2025)

Understanding Heterophily for Graph Neural Networks
von: Wang, Junfu, et al.
Veröffentlicht: (2024)

Out-of-Distribution Detection on Graphs: A Survey
von: Cai, Tingyi, et al.
Veröffentlicht: (2025)

HeRB: Heterophily-Resolved Structure Balancer for Graph Neural Networks
von: Chen, Ke-Jia, et al.
Veröffentlicht: (2025)

Test-time GNN Model Evaluation on Dynamic Graphs
von: Li, Bo, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Graph Neural Networks: A Multi-Hop Evidence Fusion Approach
von: Chen, Qingfeng, et al.
Veröffentlicht: (2025)

From Few-Shot to Zero-Shot: Towards Generalist Graph Anomaly Detection
von: Liu, Yixin, et al.
Veröffentlicht: (2026)

ARC: A Generalist Graph Anomaly Detector with In-Context Learning
von: Liu, Yixin, et al.
Veröffentlicht: (2024)

Incorporating Heterophily into Graph Neural Networks for Graph Classification
von: Yang, Jiayi, et al.
Veröffentlicht: (2022)

Towards Complex Dynamic Physics System Simulation with Graph Neural ODEs
von: Shi, Guangsi, et al.
Veröffentlicht: (2023)

On the Impact of Feature Heterophily on Link Prediction with Graph Neural Networks
von: Zhu, Jiong, et al.
Veröffentlicht: (2024)

Heterophily-Agnostic Hypergraph Neural Networks with Riemannian Local Exchanger
von: Sun, Li, et al.
Veröffentlicht: (2026)

Exploring Heterophily in Graph-level Tasks
von: Hou, Qinhan, et al.
Veröffentlicht: (2025)

Learn from Heterophily: Heterophilous Information-enhanced Graph Neural Network
von: Zheng, Yilun, et al.
Veröffentlicht: (2024)

Heterophily-Aware Graph Attention Network
von: Wang, Junfu, et al.
Veröffentlicht: (2023)

How Universal Polynomial Bases Enhance Spectral Graph Neural Networks: Heterophily, Over-smoothing, and Over-squashing
von: Huang, Keke, et al.
Veröffentlicht: (2024)

Uncertainty in Graph Neural Networks: A Survey
von: Wang, Fangxin, et al.
Veröffentlicht: (2024)

Unraveling Privacy Risks of Individual Fairness in Graph Neural Networks
von: Zhang, He, et al.
Veröffentlicht: (2023)

Raising the Bar in Graph OOD Generalization: Invariant Learning Beyond Explicit Environment Modeling
von: Shen, Xu, et al.
Veröffentlicht: (2025)

Unifying Unsupervised Graph-Level Anomaly Detection and Out-of-Distribution Detection: A Benchmark
von: Wang, Yili, et al.
Veröffentlicht: (2024)

FreeGAD: A Training-Free yet Effective Approach for Graph Anomaly Detection
von: Zhao, Yunfeng, et al.
Veröffentlicht: (2025)

Adaptive Heterogeneous Graph Neural Networks: Bridging Heterophily and Heterogeneity
von: Chen, Qin, et al.
Veröffentlicht: (2025)

A Survey on Graph Neural Networks for Time Series: Forecasting, Classification, Imputation, and Anomaly Detection
von: Jin, Ming, et al.
Veröffentlicht: (2023)

A Survey of Generalization of Graph Anomaly Detection: From Transfer Learning to Foundation Models
von: Pan, Junjun, et al.
Veröffentlicht: (2025)

Decision-focused Graph Neural Networks for Combinatorial Optimization
von: Liu, Yang, et al.
Veröffentlicht: (2024)

Rethinking Feature Alignment in Generalist Graph Anomaly Detection: A Relational Fingerprint-based Approach
von: Liu, Yujing, et al.
Veröffentlicht: (2026)

CAMERA: Adapting to Semantic Camouflage in Unsupervised Text-Attributed Graph Fraud Detection
von: Pan, Junjun, et al.
Veröffentlicht: (2026)

GOODAT: Towards Test-time Graph Out-of-Distribution Detection
von: Wang, Luzhi, et al.
Veröffentlicht: (2024)

Revisiting Edge Perturbation for Graph Neural Network in Graph Data Augmentation and Attack
von: Liu, Xin, et al.
Veröffentlicht: (2024)

Addressing Graph Heterogeneity and Heterophily from A Spectral Perspective
von: Lu, Kangkang, et al.
Veröffentlicht: (2024)

FedCIGAR: A Personalized Reconstruction Approach for Federated Graph-level Anomaly Detection
von: Zhao, Yunfeng, et al.
Veröffentlicht: (2026)

A Survey on Learning from Graphs with Heterophily: Recent Advances and Future Directions
von: Gong, Chenghua, et al.
Veröffentlicht: (2024)

Graph Navier Stokes Networks
von: Zhao, Zexing, et al.
Veröffentlicht: (2026)

OFA-MAS: One-for-All Multi-Agent System Topology Design based on Mixture-of-Experts Graph Generative Models
von: Li, Shiyuan, et al.
Veröffentlicht: (2026)

Graph Contrastive Learning under Heterophily via Graph Filters
von: Yang, Wenhan, et al.
Veröffentlicht: (2023)

Trustworthy Graph Neural Networks: Aspects, Methods and Trends
von: Zhang, He, et al.
Veröffentlicht: (2022)

Robust Graph Structure Learning under Heterophily
von: Xie, Xuanting, et al.
Veröffentlicht: (2024)

Graph Negative Feedback Bias Correction Framework for Adaptive Heterophily Modeling
von: Lv, Jiaqi, et al.
Veröffentlicht: (2026)

A Generative Model for Controllable Feature Heterophily in Graphs
von: Wang, Haoyu, et al.
Veröffentlicht: (2025)

AbstainGNN: Teaching Graph Neural Networks to Abstain for Graph Classification
von: Lin, Xixun, et al.
Veröffentlicht: (2026)