Papers with Code · CC BY-SA 4.0

PubMed (60%/20%/20% random splits)

아카이브 평가 37건 · 마지막 적재/변경 2026-10-30

평가 기록

과거 수집 기록이며 최신 순위가 아닙니다. 데이터셋 버전·split·실험 조건과 지표 방향이 검증되지 않은 결과는 직접 비교할 수 없습니다. 날짜는 논문 날짜이며 최신 평가일을 뜻하지 않습니다.

표가 화면보다 넓으면 좌우로 스크롤하여 논문과 구현 링크를 확인하세요.

원본 기록 순서 · 순위 미부여
모델	원본 지표·값	논문	구현
GNNDLD	1:1 Accuracy 91.95±0.19	GNNDLD: Graph Neural Network with Directional Label Distribution 2024-02-26	연결 없음
NHGCN	1:1 Accuracy 91.56 ± 0.50	Neighborhood Homophily-Guided Graph Convolutional Network 2023-10-21	코드 1
ACM-Snowball-3	1:1 Accuracy 91.44 ± 0.59	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACMII-Snowball-3	1:1 Accuracy 91.31 ± 0.6	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACMII-GCN+	1:1 Accuracy 90.96 ± 0.62	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACM-Snowball-2	1:1 Accuracy 90.81 ± 0.52	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACMII-GCN	1:1 Accuracy 90.74 ± 0.5	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACM-GCN	1:1 Accuracy 90.66 ± 0.47	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
Graph-MLP + SAF	1:1 Accuracy 90.64 ± 0.46%	The Split Matters: Flat Minima Methods for Improving the Performance of GNNs 2023-06-15	코드 1
ACMII-GCN++	1:1 Accuracy 90.63 ± 0.56	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACMII-Snowball-2	1:1 Accuracy 90.56 ± 0.39	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACM-GCN+	1:1 Accuracy 90.46 ± 0.69	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACM-GCN++	1:1 Accuracy 90.39 ± 0.33	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACM-GCNII*	1:1 Accuracy 90.18 ± 0.51	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACM-GCNII	1:1 Accuracy 90.12 ± 0.4	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
GCN+JK	1:1 Accuracy 90.09 ± 0.68	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
Geom-GCN*	1:1 Accuracy 90.05	Geom-GCN: Geometric Graph Convolutional Networks 2020-02-13	코드 1 · 코드 2 · 코드 3 · 코드 4
FAGCN	1:1 Accuracy 89.98 ± 0.54	Beyond Low-frequency Information in Graph Convolutional Networks 2021-01-04	코드 1
GCNII*	1:1 Accuracy 89.98 ± 0.52	Simple and Deep Graph Convolutional Networks 2020-07-04	코드 1 · 코드 2 · 코드 3 · 코드 4
NFGNN	1:1 Accuracy 89.89±0.68	Node-oriented Spectral Filtering for Graph Neural Networks 2022-12-07	코드 1
GCNII	1:1 Accuracy 89.8 ± 0.3	Simple and Deep Graph Convolutional Networks 2020-07-04	코드 1 · 코드 2 · 코드 3 · 코드 4
GAT+JK	1:1 Accuracy 89.15 ± 0.87	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
Snowball-2	1:1 Accuracy 89.04 ± 0.49	Break the Ceiling: Stronger Multi-scale Deep Graph Convolutional Networks 2019-06-05	코드 1
GCN	1:1 Accuracy 88.9 ± 0.32	Semi-Supervised Classification with Graph Convolutional Networks 2016-09-09	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55
Snowball-3	1:1 Accuracy 88.8 ± 0.82	Break the Ceiling: Stronger Multi-scale Deep Graph Convolutional Networks 2019-06-05	코드 1
ACM-SGC-2	1:1 Accuracy 88.79 ± 0.5	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
BernNet	1:1 Accuracy 88.48 ± 0.41	BernNet: Learning Arbitrary Graph Spectral Filters via Bernstein Approximation 2021-06-21	코드 1
H2GCN	1:1 Accuracy 87.78 ± 0.28	Beyond Homophily in Graph Neural Networks: Current Limitations and Effective Designs 2020-06-20	코드 1 · 코드 2 · 코드 3 · 코드 4
ACM-SGC-1	1:1 Accuracy 87.75 ± 0.88	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
MixHop	1:1 Accuracy 87.04 ± 4.10	MixHop: Higher-Order Graph Convolutional Architectures via Sparsified Neighborhood Mixing 2019-04-30	코드 1 · 코드 2 · 코드 3