本文证明了集中常见的GNN变体(GCN,PPNP,JKNet,DAGNN)的传播机制实际上是在具有图正则化项的广泛图核上优化特征拟合函数的最优解(这句话看起来十分玄乎,一会再具体看),并对这些GNN提供了一个统一的表示框架。在对这些GNN的总结的基础上开发了两个新的目标函数,考虑可调节图核(也就是提出两种新的带参数的传播方式)分别具备低通或高通滤波能力。此外,本文还提供了所提模型的收敛性证明和表达能力的比较。在基准数据集上的大量实验表明,所提出的gnn不仅优于现有的方法,而且具有较好的缓解过平滑的能力。
然后一些相关工作啥的就都省略了。另外,本文公式超级多,预警!
A UNIFIED OPTIMIZATION FRAMEWORK
Notation
都是常用的公式,直接截图看一下就好: