노드 분류, 비동질성 그래프, 이종 그래프
노드 분류 작업은 비동질적 그래프(이종 그래프)에서 모델의 성능을 평가하는 데 중점을 두고 있습니다. 이 작업은 다른 클래스 간의 엣지가 동일한 클래스 내의 엣지보다 더 흔한 그래프를 대상으로 하며, 체계적인 테스트와 분석을 통해 모델이 이종 그래프를 처리할 때의 성능 차이를 밝혀냅니다. 이를 통해 그래프 신경망을 최적화하는 데 중요한 참고 자료를 제공합니다.
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