Sketched Random Features stärken Langstreckenabhängigkeiten in GNNs
Graph Neural Networks (GNNs) verarbeiten graphstrukturierte Daten, indem sie Informationen aus benachbarten Knoten iterativ aggregieren. Dieses lokale Nachrichtenübertragungsmodell bringt zwar einen starken induktiven Bias und nutzt die Graphsparsität aus, führt aber gleichzeitig zu drei wesentlichen Problemen: dem „Oversquashing“ langer Abhängigkeiten, dem „Oversmoothing“ von Knotendarstellungen und einer begrenzten Ausdruckskraft.
