グラフのためのアクティブディフュージョンニューラルネットワーク

本研究では、アクティブディフュージョンに基づくグラフニューラルネットワーク（ADGNN）を提案します。従来の拡散型GNNは受動的な熱拡散を模倣し、過剰平滑化問題に悩まされてきました。この問題に対処するため、ADGNNは外部情報源を統合し、拡散プロセスに動的に影響を与えることでアクティブな拡散を実現します。これにより、ノードの独自の特徴を保持しながら、グラフの全体構造に関する包括的な洞察を効率的に得ることが可能です。ADGNNは、様々なグラフタスクにおいて、最先端のGNNモデルと比較され、その精度と効率の面で大幅な改善が示されました。特に、グローバルなグラフ情報を捕捉し、ノードの特異性を維持する効果が強調されています。