文章预览
引言 图模型，特别是在节点级任务中的成功，通常被认为源于同质性原则。 同质性 （Homophily）是社会学和进化生物学中的一个概念，指的是具有相似特征的个体更容易进行交流和建立联系。在图表示学习中，它描述了节点具有相同标签或相似属性的网络，这些节点更可能相互连接。这样的关系归纳偏差被认为是图神经网络（GNNs）在各类任务中优于传统神经网络（NNs）的主要原因之一。 另一方面，缺乏同质性，即 异质性 （Heterophily），被认为是GNN在异质图（heterophilic graphs）上表现较差的主要原因，这种性能退化现象在广泛的应用场景中都有出现。人们重新审视并评估了许多现有的图模型，包括图转换器（graph transformer）及其变种，特别是在各种异质图场景中的表现，例如异构图、时序图和超图等。此外，异质性问题广泛涉及许多与图相关的应用
………………………………
