arXiv:2511.19984v1 Announce Type: new 
Abstract: Message passing neural networks (MPNNs) have emerged as go-to models for learning on graph-structured data in the past decade. Despite their effectiveness, most of such models still incur severe issues such as over-smoothing and -correlation, due to their underlying objective of minimizing the Dirichlet energy and the derived neighborhood aggregation operations. In this paper, we propose the DDSM, a new MPNN model built on an optimization framework that includes the stress majorization and orthogonal regularization for overcoming the above issues. Further, we introduce the diffusion distances for nodes into the framework to guide the new message passing operations and develop efficient algorithms for distance approximations, both backed by rigorous theoretical analyses. Our comprehensive experiments showcase that DDSM consistently and considerably outperforms 15 strong baselines on both homophilic and heterophilic graphs.

تم تقديم نموذج جديد لشبكات الأعصاب ذات تمرير الرسائل (MPNN) يسمى DDSM لمعالجة مشكلات مثل الإفراط في التنعيم والإفراط في الارتباط التي تعاني منها النماذج الحالية. تستخدم هذه الطريقة المبتكرة تحسين الضغط والتنظيم العمودي، بالإضافة إلى المسافات الانتشارية للعقد، لتحسين عمليات تمرير الرسائل وتطوير خوارزميات فعالة لتقريب المسافات، مدعومة بتحليلات نظرية صارمة.

Se ha introducido un nuevo modelo para redes neuronales de paso de mensajes (MPNN), llamado DDSM, para abordar problemas como el sobreajuste y la sobrecorrelación que afectan a los modelos existentes. Este enfoque innovador utiliza la mayoración de estrés y la regularización ortogonal, junto con distancias de difusión para los nodos, para mejorar las operaciones de paso de mensajes e incluye algoritmos eficientes para aproximaciones de distancia, respaldados por análisis teóricos rigurosos.

Un nouveau modèle pour les réseaux de neurones à passage de message (MPNN), nommé DDSM, a été introduit pour résoudre des problèmes tels que le sur-lissage et la sur-corrélation qui affectent les modèles existants. Cette approche innovante utilise la majoration de stress et la régularisation orthogonale, ainsi que les distances de diffusion pour les nœuds, afin d'améliorer les opérations de passage de message et inclut des algorithmes efficaces pour les approximations de distance, soutenus par des analyses théoriques rigoureuses.

A new model for message passing neural networks (MPNNs), named DDSM, has been introduced to address issues such as over-smoothing and over-correlation that plague existing models. This innovative approach utilizes stress majorization and orthogonal regularization, along with diffusion distances for nodes, to enhance message passing operations and includes efficient algorithms for distance approximations, supported by rigorous theoretical analyses.

Rethinking Message Passing Neural Networks with Diffusion Distance-guided Stress Majorization

Was this article worth reading? Share it

LucidQuery AI

Chattermate

Https