Rethinking GNNs and Missing Features: Challenges, Evaluation and a Robust Solution

En 3 lignesArticle arXiv sur la gestion des features manquantes dans les Graph Neural Networks (GNNs). Les auteurs démontrent que les benchmarks existants avec features sparse ne permettent pas une comparaison significative. Ils proposent GNNmim, une baseline robuste testée sur des datasets denses avec mécanismes de missingness réalistes au-delà du MCAR.

Résumé généré par Claude — vérifié par l'humain