摘要

许多图神经网络（GNNs）的改进可以被视为对底层图矩阵谱的操作，这激发了我们直接研究谱的特性及其对GNN性能的影响。通过推广大多数现有的GNN架构，我们发现由非平滑（unsmooth）谱引起的相关性问题成为利用更强大的图滤波器以及开发深层架构的障碍，从而限制了GNNs的性能。受此启发，我们提出了一种无相关性的架构，该架构能够自然地消除不同通道之间的相关性问题，使得在每个通道内使用更复杂的滤波器成为可能。最终的无相关性架构结合了更强大的滤波器，显著提升了学习图表示的性能。代码可在https://github.com/qslim/gnn-spectrum 获取。