Buchumschlag

Rethinking Multi-Label Node Classification: Do Tuned Classic GNNs Suffice?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xiao, Yuxuan, Zhang, Shengzhong
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Classic GNNs are Strong Baselines: Reassessing GNNs for Node Classification
von: Luo, Yuankai, et al.
Veröffentlicht: (2024)

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

Rethinking Semi-Supervised Imbalanced Node Classification from Bias-Variance Decomposition
von: Yan, Liang, et al.
Veröffentlicht: (2023)

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

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

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

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

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

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

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

Geometric Imbalance in Semi-Supervised Node Classification
von: Yan, Liang, et al.
Veröffentlicht: (2023)

Collaborative Graph Walk for Semi-supervised Multi-Label Node Classification
von: Akujuobi, Uchenna, et al.
Veröffentlicht: (2019)

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

Rethinking Consistent Multi-Label Classification Under Inexact Supervision
von: Wang, Wei, et al.
Veröffentlicht: (2025)

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

Rethinking Graph Transformer Architecture Design for Node Classification
von: Zhou, Jiajun, et al.
Veröffentlicht: (2024)

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

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

Posterior Label Smoothing for Node Classification
von: Heo, Jaeseung, et al.
Veröffentlicht: (2024)

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

Rethinking Tokenized Graph Transformers for Node Classification
von: Chen, Jinsong, et al.
Veröffentlicht: (2025)

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

Prompt Tuning without Labeled Samples for Zero-Shot Node Classification in Text-Attributed Graphs
von: Parameswaran, Sethupathy, et al.
Veröffentlicht: (2026)

LLM-Generated Explanations Do Not Suffice for Ultra-Strong Machine Learning
von: Ai, Lun, et al.
Veröffentlicht: (2025)

Virtual Node Generation for Node Classification in Sparsely-Labeled Graphs
von: Cui, Hang, et al.
Veröffentlicht: (2024)

Unmute the Patch Tokens: Rethinking Probing in Multi-Label Audio Classification
von: Rauch, Lukas, et al.
Veröffentlicht: (2025)

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

Logarithmic Width Suffices for Robust Memorization
von: Egosi, Amitsour, et al.
Veröffentlicht: (2025)

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

Text2Graph: Combining Lightweight LLMs and GNNs for Efficient Text Classification in Label-Scarce Scenarios
von: Sarcinelli, João Lucas Luz Lima, et al.
Veröffentlicht: (2025)

Adaptive Regret for Bandits Made Possible: Two Queries Suffice
von: Lu, Zhou, et al.
Veröffentlicht: (2024)

Immediate Derivatives Suffice for Online Recurrent Adaptation
von: Merin, Aur Shalev
Veröffentlicht: (2026)

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

Querying Kernel Methods Suffices for Reconstructing their Training Data
von: Barzilai, Daniel, et al.
Veröffentlicht: (2025)

When Does Confidence-Based Cascade Deferral Suffice?
von: Jitkrittum, Wittawat, et al.
Veröffentlicht: (2023)

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)

Label Cluster Chains for Multi-Label Classification
von: Gatto, Elaine Cecília, et al.
Veröffentlicht: (2024)

MuGSI: Distilling GNNs with Multi-Granularity Structural Information for Graph Classification
von: Yao, Tianjun, et al.
Veröffentlicht: (2024)

Rethinking Semi-Supervised Node Classification with Self-Supervised Graph Clustering
von: Wang, Songbo, et al.
Veröffentlicht: (2025)

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)