Towards Deeper Graph Neural Networks

问题：

• 一层的GCN layer只考虑直接邻域，加深模型层数可获得更大的感受野receptive fields，但性能却会变坏。
• 以前认为是over-smoothing问题导致的。

本文

• 增加层性能变坏是因为GCN模型里两个关键部分——representation transformation和propagation——的纠缠导致的。
• 分离这两个部分可以解决该问题。

模型：

1. 进行特征变换，
2. 堆叠层，只进行propagaition，不进行特征变换。
3. adaptive adjustment，因为层数不好确定。用来确定各层的权重。
   分离特征变换和信息传导，简化了模型，使得加深模型成为可能。虽然已有相应的工作，但关注点不在如何加深模型层数上。