Hierarchical Multi-Scale Graph Neural Networks: Scalable Heterophilous Learning with Oversmoothing and Oversquashing Mitigation

O artigo apresenta Hierarchical Multi-view HAAR (HMH), uma nova estrutura de aprendizado espectral de grafos para resolver problemas de oversmoothing e agregação enviesada em GNNs heterófilas. HMH constrói uma hierarquia de grafos suave e aplica filtros espectrais aprendíveis com bases Haar, atingindo escalabilidade quase linear.