常毅教授和王鑫助理教授指导的人工智能学院2020级博士研究生郭凯同学的论文“Orthogonal Graph Neural Networks”被美国人工智能年会AAAI 2022（CCF A类会议）接收。郭凯同学为第一作者。本工作主要与莱斯大学Xia Hu副教授、Kaixiong Zhou博士合作完成。
会议简介：AAAI（The National Conference on Artificial Intelligence）是人工智能顶级国际会议。AAAI 2022将于2022年2月22日至3月1日在加拿大温哥华举办。
会议类别：CCF A 类会议
会议时间：February 22-March 1, 2022, Vancouver, BC, Canada.
第一作者：郭凯
论文题目：Orthogonal Graph Neural Networks
论文概述：图神经网络（GNN）模型在图表示领域非常成功，目前研究者想通过扩大接受域增强GNN的表达能力，然而叠加多层图卷积层之后性能会显著下降。大部分的研究学者将此现象的产生归因于过平滑问题，我们通过理论分析和实验证明性能下降的最主要因素是特征变换的不合理设计导致的前向归一化和反向梯度的不稳定。因此我们设计了名为Ortho-GConv的正交化的特征变换，可以增强现有的GNN模型，稳定模型的训练，提高模型的泛化性能。实验结果证明我们的方法在节点分类和图分类任务稳定了前向和反向信号传播，性能取得显著的提高。
