通过边感知 Weisfeiler-Leman 算法增强 GNN 表达能力
机器学习
2024-01-24 v3 人工智能
摘要
消息传递图神经网络（GNNs）的表达能力已知由上界为 1 维 Weisfeiler-Leman（1-WL）算法限定。为获得更强大的 GNN，现有尝试要么需要特定特征，要么涉及带来高时间和空间复杂度的操作。在这项工作中，我们提出一个通用且可证明强大的 GNN 框架，同时保持消息传递方案的可扩展性。具体而言，我们首先提出通过考虑邻居间边来增强 1-WL 的图同构测试能力，由此产生 NC-1-WL。NC-1-WL 的表达能力在理论上被证明严格高于 1-WL 且低于 3-WL。进一步，我们提出 NC-GNN 框架作为 NC-1-WL 的可微分神经版本。我们对 NC-GNN 的简单实现可证明与 NC-1-WL 同样强大。实验表明，我们的 NC-GNN 在各种基准上高效且有效地表现。
引用
@article{arxiv.2206.02059,
title = {Empowering GNNs via Edge-Aware Weisfeiler-Leman Algorithm},
author = {Meng Liu and Haiyang Yu and Shuiwang Ji},
journal= {arXiv preprint arXiv:2206.02059},
year = {2024}
}
备注
Accepted to Transactions on Machine Learning Research (TMLR)