Key points are not available for this paper at this time.
최근 연구에 따르면, 심층 학습을 피하는 단순하고 빠른 방법인 단순 그래프 컨볼루션(SGC) (Wu et al., 2019)은 그래프 컨볼루션 네트워크(GCN) (Kipf)와 같은 심층 방법에 대해 경쟁력이 있다는 것이 입증되었습니다. 게다가 자연 합성 데이터 모델에 대한 성능 보장을 증명할 수 있습니다. 경험적으로, ASGC는 실제 데이터셋의 벤치마크에서 노드 분류에 있어 최근 심층 모델과 경쟁하는 경우가 많습니다. SGC 논문은 이형 네트워크와 관련된 일반 그래프 문제에 대한 그래프 신경망의 복잡성이 정당한지 의문을 제기했으며, 우리의 결과는 심층 학습이 종종 가장 높은 성능을 달성하지만 이질성 구조만으로는 이러한 더 복잡한 방법이 필요하지 않다는 것을 시사합니다.
Chanpuriya et al. (Tue,)는 이 질문을 연구했습니다.