邊界嵌入塑形

深度分析

BES：透過邊界注意力模組強化 GNN 在結構噪聲下的分類表現

圖神經網路易受結構纏結影響，特別是決策邊界的節點會被無關鄰居干擾。研究提出邊界嵌入塑形（BES）模組，以自適應對比學習挑選邊界節點，僅在最小參數調整下抑制噪聲。實驗顯示在 WikiCS 上提升 GCN 分類準確率約五點，亦提升連結預測表現。此方法亦可擴展至其他圖任務，提供更穩健的表示學習。