NeurIPS'22放榜。投稿1W+，录用2k+，GNN依然火热。

NeurIPS 2022放榜啦！本届 NeurIPS共有10411篇论文提交（万人大会），录用率高达25.6%！图神经网络（Graph Neural Networks）依旧非常火热。

GNN方向录用文章

• 5648: EvenNet: Ignoring Odd-Hop Neighbors Improves Robustness of Graph Neural Networks

GCN是最有名的图卷积神经网络，但是在它之前其实还有一个理论性质更好的图卷积模型：ChebNet。ChebNet使用切比雪夫多项式展开来近似图卷积，而GCN只不过是ChebNet的一阶简化版本。可惜的是ChebNet的实际性能没有GCN好，因此也没有GCN出名。我们这篇论文的目的就是为切比雪夫多项式正名：并不是切比雪夫多项式性能不好，而是ChebNet的实现不妥当。我们提出的ChebNetII模型只对ChebNet模型做了一个非常小的改动：把切比雪夫展开替换为切比雪夫插值，其实际性能就能远远超过GCN，甚至也超过现有的SOTA模型。

• 5206: Convolutional Neural Networks on Graphs with Chebyshev Approximation

图神经网络在收到图结构攻击时性能会显著下降，已经成为业内共识；目前也有很多图上对抗攻击的方法，大部分的思路都是学一个更鲁棒的图结构。我们发现谱域图神经网络要增强鲁棒性非常简单，忽略所有奇数阶邻居就行（你没看错，包括一阶邻居）。背后的哲学思想也很有意思：我们认为一阶邻居是不可靠的，我不知道他是我的朋友还是敌人；但是二阶邻居是相对可靠的，因为朋友的朋友是朋友，而敌人的敌人还是朋友。

• 5795: Pseudo-Riemannian Graph Convolutional Networks

将GNN拓展到伪黎曼流形，提升建模复杂图的能力。

• 8681: MGNNI: Multiscale Graph Neural Networks with Implicit Layers

链接：https://neurips.cc/