IJCAI 2025(The 34th International Joint Conference on Artificial Intelligence)将于2025年8月16日至22日在加拿大蒙特利尔举行。IJCAI是人工智能领域最具影响力的国际会议之一,也是中国计算机学会(CCF)推荐的A类国际学术会议,会议内容涵盖了人工智能理论与架构、机器学习、自然语言处理、计算机视觉、机器人科学等领域。
论文题目:Mamba-Based Graph Convolutional Networks: Tackling Over-smoothing with Selective State Space
第一作者:贺歆(2023级博士研究生)
收录会议:IJCAI 2025(CCF A类)
指导教师:王鑫
论文概述:随着图神经网络(GNN)在节点分类、图聚类和推荐系统等任务中表现出色,其在图结构数据上的应用引起了广泛关注。然而,GNN在模型加深时普遍面临“过平滑(over-smoothing)”问题,导致所有节点表征趋于一致、难以区分,严重限制了模型性能。为解决这一挑战,本文提出了一种全新的图卷积架构 MbaGCN(Mamba-based Graph Convolutional Network),创新性地将序列建模领域中表现卓越的 Mamba 模型 引入到图神经网络中。具体而言,MbaGCN 构建了三个关键模块:消息聚合层(Message Aggregation Layer)、选择性状态空间变换层(Selective State Space Transition Layer)以及节点状态预测层(Node State Prediction Layer)。这一架构能在深层网络中自适应地保留关键邻居信息、过滤冗余噪声,从而有效缓解过平滑问题,提升模型的表达能力与泛化能力。实验结果表明,MbaGCN 在多个同质与异质图数据集上均实现了强大的性能表现,特别是在异质图上显著优于主流基线模型。本文为深层图神经网络的设计提供了新思路,展示了将状态空间建模范式迁移到图结构学习中的巨大潜力。
