Node Classification On Non Homophilic
La tâche de classification des nœuds dans les graphes non homophiles (graphes hétérophiles) vise à évaluer la performance des modèles spécifiquement conçus pour des ensembles de données hétérogènes. Cette tâche se concentre sur des graphes où les arêtes entre différentes classes sont plus fréquentes que les arêtes au sein de la même classe. Par le biais de tests systématiques et d'analyses, elle met en lumière les différences de performance des modèles lorsqu'ils traitent des graphes hétérophiles, offrant des références cruciales pour l'optimisation des réseaux neuronaux de graphes.
Chameleon (48%/32%/20% fixed splits)
Chameleon(60%/20%/20% random splits)
ACM-GCN+
Cornell (48%/32%/20% fixed splits)
Cornell (60%/20%/20% random splits)
ACMII-GCN
Deezer-Europe
ACMII-GCN+++
Film(48%/32%/20% fixed splits)
genius
ClenshawGCN
Penn94
Pubmed
Squirrel (48%/32%/20% fixed splits)
Texas (48%/32%/20% fixed splits)
Texas(60%/20%/20% random splits)
twitch-gamers
Wisconsin (48%/32%/20% fixed splits)
O(d)-NSD
Wisconsin(60%/20%/20% random splits)
ACM-GCN++