Erkennung invarianter Nachbarschaftsmuster für heterophile Graphen

Wir präsentieren ein neuartiges Invariantes Nachbarschaftsmuster-Lernverfahren (INPL), um die Verteilungsverschiebungen auf nicht-homophilen Graphen zu mildern. INPL lernt eine invariante Graphenrepräsentation, indem es die adaptive Nachbarschaftsinformation erfasst und die Verteilungsverschiebungen in unbekannten Testumgebungen abmildert.