Не все узлы созданы равными: стратификация гомофилии-программы для оценки стабильности GNN

arXiv:2609.19210v1 Аннонс Тип: перекрестное резюме: графические нейронные сети широко используются для классификации трансдуктивного узла с точностью, обычно измеряемой на случайных порциях поезда/подтверждения/испытания. Как было показано, точность сообщаемых данных существенно меняется по различным случайным участкам одного и того же набора данных, что делает опубликованные сопоставления между архитектурами ненадежными. Классическое средство защиты в неграфических параметрах представляет собой перекрестное подтверждение в пересчете на доллары США, что обеспечивает отражение полного распределения данных по классу каждого тестового блока. Мы утверждаем, что одной стратификации классов недостаточно для графиков: узлы не изолированы, а связаны друг с другом, и откидные части, которые различаются в распределении местной гомофилии по соседству, подвергают модель систематическим различиям в реляционных условиях, непосредственно влияющих на поведение передачи сообщений. Возникшая в результате этого перекрестная разница отражает гомофилию состава каждого раздела, увеличивая сообщенную разницу сверх той модели поведения, которая будет использоваться только для моделирования.