talk1
这篇文章基于SGC不能较好处理异质图,提出自适应的参数来进行处理。审稿得分不是很高,还是被接收。其中一个审稿人 认为 创新一般,且没有做大数据集,同时效果有时候低于SGC和GPRGNN,之前的ICML投稿被拒。
可取之处
stochastic block models (SBMs)进行 合成数据集的实验。之前也看到过类似文章。
主要是通过这篇文章 又重新简单学了 谱图理论 比较好的博客。 一般牵扯到 异质图,多多少少和拉普拉斯矩阵的特征值和频率进行关联。
方法这里还是没太看懂,因为效果不怎么好,目前先不仔细看代码了。
talk2
还是一篇做异质图的,通过变分推断建立隐变量模型来进行邻居的建模。
之前的题目是 for non- homophilous graphs,在审稿人建议下 修改了。
之后有兴趣再看原文 太多概率的东西+变分下界等