你的GNN可能跑在错误的图结构上

众所周知，GNN和传统NN的主要区别就是以图的结构为指导，通过聚合邻居信息来学习节点表示。下面展示了GNN的经典聚合过程。

GNN的应用实际有个潜在的假设：图结构是正确的。图上连接都是真实可信的。例如，社交图中的边暗示了真实的朋友关系。

但是，最近的研究发现，实际上图的结构并不是那么的可靠，如噪音连接和偶发连接。错误的图结构加上GNN的扩散过程，会极大的降低节点表示及下游任务的表现(garbage in，garbage out)。这引发了一些关于图结构的研究，即所谓的图结构学习。

自动化所的Yanqiao Zhu等人最近发布了一篇关于图结构学习的综述，建议围观一波。

如下图所示，原始的图结构经过一定的修改变成了图结构，进而提升了后续节点表示和相关任务的效果。