Towards Deeper Graph Neural Networks

問題：

• 一層的GCN layer只考慮直接鄰域，加深模型層數可獲得更大的感受野receptive fields，但性能卻會變壞。
• 以前認爲是over-smoothing問題導致的。

本文

• 增加層性能變壞是因爲GCN模型裏兩個關鍵部分——representation transformation和propagation——的糾纏導致的。
• 分離這兩個部分可以解決該問題。

模型：

1. 進行特徵變換，
2. 堆疊層，只進行propagaition，不進行特徵變換。
3. adaptive adjustment，因爲層數不好確定。用來確定各層的權重。
   分離特徵變換和信息傳導，簡化了模型，使得加深模型成爲可能。雖然已有相應的工作，但關注點不在如何加深模型層數上。