heterophily

提出ACE，一种即插即用的方法，通过重构节点特征并应用各向异性正则化，自适应地增强异质性图上的基于粗化的GNN训练，在异质性基准测试上取得一致提升且开销极小。

本文介绍了HAAM，一种用于多重图中节点分类的新方法，能够适应不同维度上的同质性和异质性交互。它使用维度特定的兼容性矩阵以及通过切比雪夫多项式近似的可训练低通和高通滤波器的乘积，来捕捉信号的平滑和突变变化。

本文介绍了 HMH，这是一种分层多尺度图神经网络框架，旨在解决异配图中的过平滑和过挤压问题。它利用基于 Haar 小波基的谱滤波器，实现了可扩展的学习，并在节点和图分类任务上取得了更好的性能。