本文的主要结果如下: ①本文显示GNN在识别图结构方面,WL测试是能达到的性能的上限; ②阐述了GNN达到WL测试的性能时在邻域聚合和readout函数方面应该满足的条件; ③识别出一些GNN变种(比如GCN、GraphSAGE等)不能识别的图结构; ④开发了一种全新的GNN变种,即图同构网络(Graph Isomorphism Network, GIN),其鉴别能力与...
因而在本文的分析中对GNN的表征能力的上限进行了放缩,以WL图同构测试这个启发式的方法作为GNN表征容量的标准,其在大多数条件下效果很好,而在某些情况下效果不佳,比如正则图。 引理2. 和 表示任意两个非同构图,如果一个图神经网络 将 和 映射到不同的embedding,那么WL图同构测试也会认为这两个图是非同构的。 本...