Buchumschlag

Classic GNNs are Strong Baselines: Reassessing GNNs for Node Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luo, Yuankai, Shi, Lei, Wu, Xiao-Ming
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Can Classic GNNs Be Strong Baselines for Graph-level Tasks? Simple Architectures Meet Excellence
von: Luo, Yuankai, et al.
Veröffentlicht: (2025)

Rethinking Multi-Label Node Classification: Do Tuned Classic GNNs Suffice?
von: Xiao, Yuxuan, et al.
Veröffentlicht: (2026)

Understanding GNNs and Homophily in Dynamic Node Classification
von: Ito, Michael, et al.
Veröffentlicht: (2025)

Making Classic GNNs Strong Baselines Across Varying Homophily: A Smoothness-Generalization Perspective
von: Gu, Ming, et al.
Veröffentlicht: (2024)

Node Classification and Search on the Rubik's Cube Graph with GNNs
von: Barro, Alessandro
Veröffentlicht: (2025)

Using Subgraph GNNs for Node Classification:an Overlooked Potential Approach
von: Zeng, Qian, et al.
Veröffentlicht: (2025)

DeGLIF for Label Noise Robust Node Classification using GNNs
von: Kumar, Pintu, et al.
Veröffentlicht: (2025)

Position: Spectral GNNs Are Neither Spectral Nor Superior for Node Classification
von: Jiang, Qin, et al.
Veröffentlicht: (2026)

Unsupervised Optimisation of GNNs for Node Clustering
von: Leeney, William, et al.
Veröffentlicht: (2024)

Classifying Nodes in Graphs without GNNs
von: Winter, Daniel, et al.
Veröffentlicht: (2024)

H$^3$GNNs: Harmonizing Heterophily and Homophily in GNNs via Joint Structural Node Encoding and Self-Supervised Learning
von: Xue, Rui, et al.
Veröffentlicht: (2025)

Node Identifiers: Compact, Discrete Representations for Efficient Graph Learning
von: Luo, Yuankai, et al.
Veröffentlicht: (2024)

Can TabPFN Compete with GNNs for Node Classification via Graph Tabularization?
von: Choi, Jeongwhan, et al.
Veröffentlicht: (2025)

Translating Subgraphs to Nodes Makes Simple GNNs Strong and Efficient for Subgraph Representation Learning
von: Kim, Dongkwan, et al.
Veröffentlicht: (2022)

Gate the Filter, Not the Message: Node-Channel Mixtures for Pre-Propagation GNNs
von: Yue, Zichao, et al.
Veröffentlicht: (2026)

Graph Classification with GNNs: Optimisation, Representation and Inductive Bias
von: a, P. Krishna Kumar, et al.
Veröffentlicht: (2024)

Towards Precise Prediction Uncertainty in GNNs: Refining GNNs with Topology-grouping Strategy
von: Seo, Hyunjin, et al.
Veröffentlicht: (2024)

Discrete Diffusion-Based Model-Level Explanation of Heterogeneous GNNs with Node Features
von: Das, Pallabee, et al.
Veröffentlicht: (2025)

Label Inference Attacks against Node-level Vertical Federated GNNs
von: Arazzi, Marco, et al.
Veröffentlicht: (2023)

Strongly Topology-preserving GNNs for Brain Graph Super-resolution
von: Singh, Pragya, et al.
Veröffentlicht: (2024)

Rethinking the Effectiveness of Graph Classification Datasets in Benchmarks for Assessing GNNs
von: Li, Zhengdao, et al.
Veröffentlicht: (2024)

On the Scalability of GNNs for Molecular Graphs
von: Sypetkowski, Maciej, et al.
Veröffentlicht: (2024)

Migrate Demographic Group For Fair GNNs
von: Hu, YanMing, et al.
Veröffentlicht: (2023)

On the Limitation and Experience Replay for GNNs in Continual Learning
von: Su, Junwei, et al.
Veröffentlicht: (2023)

Recent Developments in GNNs for Drug Discovery
von: Fang, Zhengyu, et al.
Veröffentlicht: (2025)

When GNNs meet symmetry in ILPs: an orbit-based feature augmentation approach
von: Chen, Qian, et al.
Veröffentlicht: (2025)

Rethinking the Expressive Power of GNNs via Graph Biconnectivity
von: Zhang, Bohang, et al.
Veröffentlicht: (2023)

GRAPHTEXTACK: A Realistic Black-Box Node Injection Attack on LLM-Enhanced GNNs
von: Ma, Jiaji, et al.
Veröffentlicht: (2025)

Identifying and Correcting Label Noise for Robust GNNs via Influence Contradiction
von: Ju, Wei, et al.
Veröffentlicht: (2026)

Locality-Aware Graph-Rewiring in GNNs
von: Barbero, Federico, et al.
Veröffentlicht: (2023)

Universally Invariant Learning in Equivariant GNNs
von: Cen, Jiacheng, et al.
Veröffentlicht: (2025)

Generalizing GNNs with Tokenized Mixture of Experts
von: Guo, Xiaoguang, et al.
Veröffentlicht: (2026)

Are GNNs doomed by the topology of their input graph?
von: Aboussalah, Amine Mohamed, et al.
Veröffentlicht: (2025)

Dynamic GNNs for Precise Seizure Detection and Classification from EEG Data
von: Hajisafi, Arash, et al.
Veröffentlicht: (2024)

LMC: Fast Training of GNNs via Subgraph Sampling with Provable Convergence
von: Shi, Zhihao, et al.
Veröffentlicht: (2023)

Enhancing Recommendation Systems with GNNs and Addressing Over-Smoothing
von: Liu, Wenyi, et al.
Veröffentlicht: (2024)

Feature Augmentation of GNNs for ILPs: Local Uniqueness Suffices
von: Han, Qingyu, et al.
Veröffentlicht: (2025)

Residual Connections and Normalization Can Provably Prevent Oversmoothing in GNNs
von: Scholkemper, Michael, et al.
Veröffentlicht: (2024)

A Signed Graph Approach to Understanding and Mitigating Oversmoothing in GNNs
von: Wang, Jiaqi, et al.
Veröffentlicht: (2025)

Expressivity and Generalization: Fragment-Biases for Molecular GNNs
von: Wollschläger, Tom, et al.
Veröffentlicht: (2024)