在过去的几年中，图形神经网络（GNN）在众多机器学习任务中的出色表现中获得了吸引力。图形卷积神经网络（GCN）是GNN的常见变体，已知在半监督节点分类（SSNC）中具有高性能，并且在同质性的假设下正常工作。最近的文献强调，在某些“特殊条件”下，GCN可以在异性图上实现强大的性能。这些论点激发了我们了解为什么GCN学会执行SSNC的原因。我们发现，类中节点的潜在节点嵌入的相似性与GCN的性能之间存在正相关。我们对数据集基础图结构的研究发现，GCN的SSNC性能受到了类中节点邻域结构的一致性和独特性的显着影响。
translated by 谷歌翻译