# 异质性基准数据集

该工作对27个常用基准数据集上的基线模型进行超参数微调，依据图感知模型与其对应图无关模型的对比表现，将异质数据集划分为恶性、良性与模糊三类，并据此重新评估11个SOTA异质图模型、在三种合成图生成方法上对11个同质性度量做首次定量评测，发现多数SOTA模型并未显著优于最佳基线，且经典度量仍具竞争力。

该工作对27个常用基准数据集上的基线模型进行超参数微调，依据图感知模型与其对应图无关模型的对比表现，将异质数据集划分为恶性、良性与模糊三类，并据此重新评估11个SOTA异质图模型、在三种合成图生成方法上对11个同质性度量做首次定量评测，发现多数SOTA模型并未显著优于最佳基线，且经典度量仍具竞争力。