圖神經網絡論文閱讀(十九) Position-aware Graph Neural Networks，ICML2019

本文的三位作者來自斯坦福大學。 在正式閱讀本文之前，我們考慮這樣一個事實：以GCN爲代表的領域聚合方式在每一輪的前向傳播中，只能獲取到N-hop鄰域內節點的特徵，並且，其最爲基本的想法是基於網絡同質性的，也就是相鄰節點具有相似性。假定，對於異質網絡，中心節點A的type爲1，鄰域節點BCD的type爲2，那麼在一次聚合之後，A就會變成2。並且，過深的網絡會造成過平滑，這都是GCN無法解決的。 本文

>>阅读原文<<