Knotenklassifikation auf nicht-homophilen (heterophilen) Graphen
Die Aufgabe der Knotenklassifizierung in nicht-homophilen Graphen (heterophilen Graphen) besteht darin, die Leistung von Modellen zu bewerten, die speziell für heterogene Datensätze entwickelt wurden. Diese Aufgabe konzentriert sich auf Graphen, in denen Kanten zwischen verschiedenen Klassen häufiger vorkommen als Kanten innerhalb derselben Klasse. Durch systematische Tests und Analysen werden Unterschiede in der Leistung der Modelle bei der Bearbeitung heterophiler Graphen aufgedeckt, was wichtige Referenzpunkte für die Optimierung von Graph Neural Networks liefert.
Cornell (60%/20%/20% random splits)
ACMII-GCN
Wisconsin(60%/20%/20% random splits)
ACM-GCN++
Texas(60%/20%/20% random splits)
Chameleon(60%/20%/20% random splits)
ACM-GCN+
Chameleon (48%/32%/20% fixed splits)
Squirrel (48%/32%/20% fixed splits)
Penn94
Deezer-Europe
ACMII-GCN+++
Cornell (48%/32%/20% fixed splits)
Film(48%/32%/20% fixed splits)
genius
ClenshawGCN
twitch-gamers
Wisconsin (48%/32%/20% fixed splits)
O(d)-NSD
Texas (48%/32%/20% fixed splits)
Pubmed