【AAAI2024】图通用神经扩散框架

题目：A Generalized Neural Diffusion Framework on Graphs 作者：Yibo Li, Xiao Wang, Hongrui Liu, Chuan Shi 摘要：近期许多研究都揭示了图神经网络（GNN）与扩散过程之间的联系，并且提出了许多基于扩散方程的GNN。因为这两种机制紧密相关，所以我们思考一个根本性的问题：是否存在一个通用的扩散框架，可以统一这些 GNN？这个问题不仅可以加深我们对 GNN 学习过程的理解，而且可能会指导我们设计一系列新型 GNN。在本文中，我们提出了一个带有保真项的通用扩散方程框架，正式建立了扩散过程与更多GNN之间的关系。同时，通过这个框架，我们发现了图扩散网络的一个特性，即当前的图扩散网络仅对应于一阶扩散方程。然而，通过实验研究，我们发现高阶邻居的标签呈现相似性。这一发现给了我们设计新的高阶邻居可知的扩散方程的灵感。基于该框架，我们提出一种新型图扩散网络（HiD-Net）。HiD-Net对攻击的抵抗能力更强，并适用于同质性和异质性图。我们不仅从理论上分析了 HiD-Net与高阶随机游走之间的关系，还提供了理论上的收敛保证。我们还设计了充分全面的实验，证明了HiD-Net的有效性。