从池化到子图GNN:更具表现力的图神经网络的通用框架
1....文章还引入了子图概念,提出了局部化的k,l-WL框架,将一系列现有的子图GNN方法融入其中。从理论上分析了k,l-WL关于k和l的表达能力,并与传统k-WL进行了比较。...k-WL根据k元组的同构类型确定初始颜色,使得初始颜色很有限。而k,l-WL在赋予l个标签后,根据k元组在带标签图中的同构类型确定初始颜色,使得初始颜色更丰富,增强了后续的表达能力。...k,l-WL也包含一些超出子图WL范围的子图GNN,如I2-GNN。总之,k,l-WL建立了一个更完备的表达能力层次结构。
5. 实验发现
论文在合成和真实数据集上进行了实验。...主要发现如下:
在两组合成数据上,l-IDMPNN和l-IDPPGN(l≥2)实现了完美的图同构区分,验证了理论分析。