GDPool：分层图神经网络中实现自适应粒度的图依赖池化

GDPool 提出了一种面向分层图神经网络的图依赖池化方法，可针对每个图动态确定池化粒度，摆脱固定池化比率的限制。该方法利用自注意力选择结构关键节点作为锚点并通过软节点分配构建粗化图，同时分析并缓解了层级间的梯度冲突。在金属有机框架与分子图基准测试中，GDPool 预测性能与模块度均达最优，且活跃聚类数随深度单调递减。