1-WL 的表达能力（几乎）就是你所需要的一切
机器学习
2022-02-22 v1
摘要
已有研究表明，消息传递神经网络（MPNNs）这一广泛用于图结构数据的神经网络家族，其表达能力至多与一阶 Weisfeiler-Leman（1-WL）图同构测试相当，这促使了更具表达能力架构的发展。在本工作中，我们分析了在标准图数据集中，有限的表达能力是否确实是 MPNNs 及其他基于 WL 模型的限制因素。有趣的是，我们发现 WL 的表达能力足以识别大多数数据集中的几乎全部图。此外，我们发现分类精度的理论上界通常接近 100%。进一步，我们发现简单的基于 WL 的神经网络和若干 MPNNs 能够拟合多个数据集。总之，我们得出结论：在实践中，WL/MPNNs 的性能并未受其表达能力的限制。
引用
@article{arxiv.2202.10156,
title = {1-WL Expressiveness Is (Almost) All You Need},
author = {Markus Zopf},
journal= {arXiv preprint arXiv:2202.10156},
year = {2022}
}