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...
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WL测试相当。 二、预备知识 图神经网络 使用 表示一个图, 中节点 的特征向量为 。本文主要关注图分类任务。 GNN利用图的结构与节点特征来学习图中节点的特征向量 或者整个图的表示 。GNN通常遵循邻域聚合策略来更新其节点表示...