Este artículo analiza y clasifica exhaustivamente los métodos existentes para resolver el problema del sobresuavizado en redes neuronales de grafos (GNN). El sobresuavizado se refiere al fenómeno en el que las características de incrustación se vuelven similares a medida que las capas de la GNN se profundizan, lo que dificulta distinguir la proximidad de la red. En este artículo, presentamos varias técnicas existentes para mitigar el sobresuavizado desde una perspectiva integrada llamada ATNPA, que consta de cinco pasos principales: Aumento, Transformación, Normalización, Propagación y Agregación. Además, proponemos un esquema de clasificación que incluye tres temas para resolver el sobresuavizado y clasificamos los métodos existentes en seis categorías para analizar en detalle la relación con ATNPA, las ventajas y desventajas de cada método, etc., proporcionando así una comprensión profunda de la investigación existente y sugiriendo futuras direcciones de investigación.
