Buchumschlag

Incorporating Heterophily into Graph Neural Networks for Graph Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Jiayi, Medya, Sourav, Ye, Wei
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning Social and Information Networks
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

BANGS: Game-Theoretic Node Selection for Graph Self-Training
von: Wang, Fangxin, et al.
Veröffentlicht: (2024)

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

Preference-driven Knowledge Distillation for Few-shot Node Classification
von: Wei, Xing, et al.
Veröffentlicht: (2025)

DuoGNN: Topology-aware Graph Neural Network with Homophily and Heterophily Interaction-Decoupling
von: Mancini, K., et al.
Veröffentlicht: (2024)

Heterophily-Aware Fair Recommendation using Graph Convolutional Networks
von: Gholinejad, Nemat, et al.
Veröffentlicht: (2024)

Self-attention Dual Embedding for Graphs with Heterophily
von: Lai, Yurui, 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)

Characterizing Graph Datasets for Node Classification: Homophily-Heterophily Dichotomy and Beyond
von: Platonov, Oleg, et al.
Veröffentlicht: (2022)

Disentangling Homophily and Heterophily in Multimodal Graph Clustering
von: Guo, Zhaochen, et al.
Veröffentlicht: (2025)

Learning Exposure Mapping Functions for Inferring Heterogeneous Peer Effects
von: Adhikari, Shishir, et al.
Veröffentlicht: (2025)

Disambiguated Node Classification with Graph Neural Networks
von: Zhao, Tianxiang, et al.
Veröffentlicht: (2024)

When Heterophily Meets Heterogeneity: Challenges and a New Large-Scale Graph Benchmark
von: Lin, Junhong, et al.
Veröffentlicht: (2024)

When Heterophily Meets Heterogeneous Graphs: Latent Graphs Guided Unsupervised Representation Learning
von: Shen, Zhixiang, et al.
Veröffentlicht: (2024)

Revisiting Graph-Based Fraud Detection in Sight of Heterophily and Spectrum
von: Xu, Fan, et al.
Veröffentlicht: (2023)

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

Forward Learning of Graph Neural Networks
von: Park, Namyong, et al.
Veröffentlicht: (2024)

Breaking the Entanglement of Homophily and Heterophily in Semi-supervised Node Classification
von: Sun, Henan, et al.
Veröffentlicht: (2023)

Unsupervised Prompting for Graph Neural Networks
von: Baghershahi, Peyman, et al.
Veröffentlicht: (2025)

A Unified Graph Selective Prompt Learning for Graph Neural Networks
von: Jiang, Bo, et al.
Veröffentlicht: (2024)

What Is Missing In Homophily? Disentangling Graph Homophily For Graph Neural Networks
von: Zheng, Yilun, et al.
Veröffentlicht: (2024)

Modality-Independent Graph Neural Networks with Global Transformers for Multimodal Recommendation
von: Hu, Jun, et al.
Veröffentlicht: (2024)

Correlation-Aware Graph Convolutional Networks for Multi-Label Node Classification
von: Bei, Yuanchen, et al.
Veröffentlicht: (2024)

Incorporating Higher-order Structural Information for Graph Clustering
von: Li, Qiankun, et al.
Veröffentlicht: (2024)

GraphMU: Repairing Robustness of Graph Neural Networks via Machine Unlearning
von: Wu, Tao, et al.
Veröffentlicht: (2024)

Dynamic Graph with Similarity-Aware Attention Graph Neural Network for Recommender Systems
von: Senapati, Aadarsh, et al.
Veröffentlicht: (2026)

Heterogeneous Graph Neural Network on Semantic Tree
von: Guan, Mingyu, et al.
Veröffentlicht: (2024)

Graph Neural Networks with Diverse Spectral Filtering
von: Guo, Jingwei, et al.
Veröffentlicht: (2023)

Feature Selection and Extraction for Graph Neural Networks
von: Acharya, Deepak Bhaskar, et al.
Veröffentlicht: (2019)

Heterophilous Distribution Propagation for Graph Neural Networks
von: Zheng, Zhuonan, et al.
Veröffentlicht: (2024)

Using Time-Aware Graph Neural Networks to Predict Temporal Centralities in Dynamic Graphs
von: Heeg, Franziska, et al.
Veröffentlicht: (2023)

Graph Neural Networks can Recover the Hidden Features Solely from the Graph Structure
von: Sato, Ryoma
Veröffentlicht: (2023)

Epidemiology-informed Graph Neural Network for Heterogeneity-aware Epidemic Forecasting
von: Zheng, Yufan, et al.
Veröffentlicht: (2024)

When Do Graph Neural Networks Help with Node Classification? Investigating the Impact of Homophily Principle on Node Distinguishability
von: Luan, Sitao, et al.
Veröffentlicht: (2023)

Demystifying Oversmoothing in Attention-Based Graph Neural Networks
von: Wu, Xinyi, et al.
Veröffentlicht: (2023)

Manufacturing Service Capability Prediction with Graph Neural Networks
von: Li, Yunqing, et al.
Veröffentlicht: (2024)

Revisiting the Message Passing in Heterophilous Graph Neural Networks
von: Zheng, Zhuonan, et al.
Veröffentlicht: (2024)

The Expressive Power of Graph Neural Networks: A Survey
von: Zhang, Bingxu, et al.
Veröffentlicht: (2023)

Conditional Local Feature Encoding for Graph Neural Networks
von: Wang, Yongze, et al.
Veröffentlicht: (2024)

InfraredGP: Efficient Graph Partitioning via Spectral Graph Neural Networks with Negative Corrections
von: Qin, Meng, et al.
Veröffentlicht: (2025)