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。
