Deezer-Europe

아카이브 평가 28건 · 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
ACMII-GCN+++	1:1 Accuracy 67.5±0.53	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACMII-GCN+	1:1 Accuracy 67.44±0.31	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACM-GCN+	1:1 Accuracy 67.4±0.44	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACM-GCN++	1:1 Accuracy 67.3±0.48	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
H2GCN	1:1 Accuracy 67.22±0.90	Beyond Homophily in Graph Neural Networks: Current Limitations and Effective Designs 2020-06-20	코드 1 · 코드 2 · 코드 3 · 코드 4
APPNP	1:1 Accuracy 67.21±0.56	Predict then Propagate: Graph Neural Networks meet Personalized PageRank 2018-10-14	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5
ACMII-GCN	1:1 Accuracy 67.15±0.41	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACM-GCN	1:1 Accuracy 67.01±0.38	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
GPRGNN	1:1 Accuracy 66.90±0.50	Adaptive Universal Generalized PageRank Graph Neural Network 2020-06-14	코드 1
FAGCN	1:1 Accuracy 66.86±0.53	Beyond Low-frequency Information in Graph Convolutional Networks 2021-01-04	코드 1
MixHop	1:1 Accuracy 66.80±0.58	MixHop: Higher-Order Graph Convolutional Architectures via Sparsified Neighborhood Mixing 2019-04-30	코드 1 · 코드 2 · 코드 3
ACM-SGC-1	1:1 Accuracy 66.67±0.56	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
ACM-GCNII*	1:1 Accuracy 66.6±0.57	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
MLP-2	1:1 Accuracy 66.55±0.72	New Benchmarks for Learning on Non-Homophilous Graphs 2021-04-03	코드 1
ACM-SGC-2	1:1 Accuracy 66.53±0.57	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
GCNII*	1:1 Accuracy 66.42±0.56	Simple and Deep Graph Convolutional Networks 2020-07-04	코드 1 · 코드 2 · 코드 3 · 코드 4
ACM-GCNII	1:1 Accuracy 66.39±0.56	Revisiting Heterophily For Graph Neural Networks 2022-10-14	코드 1
GCNII	1:1 Accuracy 66.38±0.45	Simple and Deep Graph Convolutional Networks 2020-07-04	코드 1 · 코드 2 · 코드 3 · 코드 4
C&S(1hop)	1:1 Accuracy 64.60±0.57	Combining Label Propagation and Simple Models Out-performs Graph Neural Networks 2020-10-27	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
C&S(2hop)	1:1 Accuracy 64.52±0.62	Combining Label Propagation and Simple Models Out-performs Graph Neural Networks 2020-10-27	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
GCN	1:1 Accuracy 62.23±0.53	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
GAT	1:1 Accuracy 61.09±0.77	Graph Attention Networks 2017-10-30	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 · 코드 56 · 코드 57 · 코드 58 · 코드 59 · 코드 60 · 코드 61 · 코드 62 · 코드 63 · 코드 64 · 코드 65 · 코드 66 · 코드 67 · 코드 68 · 코드 69 · 코드 70 · 코드 71 · 코드 72 · 코드 73 · 코드 74 · 코드 75 · 코드 76 · 코드 77 · 코드 78 · 코드 79 · 코드 80 · 코드 81 · 코드 82 · 코드 83 · 코드 84 · 코드 85 · 코드 86 · 코드 87 · 코드 88 · 코드 89 · 코드 90 · 코드 91 · 코드 92 · 코드 93
GCN+JK	1:1 Accuracy 60.99±0.14	New Benchmarks for Learning on Non-Homophilous Graphs 2021-04-03	코드 1
SGC-1	1:1 Accuracy 59.73±0.12	Simplifying Graph Convolutional Networks 2019-02-19	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7
GAT+JK	1:1 Accuracy 59.66±0.92	New Benchmarks for Learning on Non-Homophilous Graphs 2021-04-03	코드 1
LINK	1:1 Accuracy 57.71±0.36	New Benchmarks for Learning on Non-Homophilous Graphs 2021-04-03	코드 1
LProp (2hop)	1:1 Accuracy 56.96±0.26	New Benchmarks for Learning on Non-Homophilous Graphs 2021-04-03	코드 1
L Prop (1hop)	1:1 Accuracy 56.50±0.41	New Benchmarks for Learning on Non-Homophilous Graphs 2021-04-03	코드 1