局部顶点染色图神经网络
机器学习
2024-03-12 v1
摘要
近年来，针对图神经网络（GNN）表达能力的提升，聚焦于 Weisfeiler-Lehman（1-WL）框架之外的研究取得了显著进展。尽管许多研究在提升表达能力方面取得了进展，但往往以牺牲效率或局限于特定类型图为代价。本文从图搜索的角度 investigates GNN 的表达能力。具体我们提出了一种新的顶点染色方案，证明经典搜索算法能够高效计算超越 1-WL 的图表示。我们指出，该染色方案继承了图搜索的有用性质，有助于解决诸如图双连通性等问题。此外，我们指出在特定条件下，GNN 的表达能力随搜索邻域半径的增大而层次性地提升。为进一步探讨该方案，我们开发了一种基于两种搜索策略——广度优先搜索和深度优先搜索的新型 GNN，突出展示它们在超越 1-WL 方面能够捕获的图属性。我们的代码已公开于 https://github.com/seanli3/lvc。
引用
@article{arxiv.2403.06080,
title = {Local Vertex Colouring Graph Neural Networks},
author = {Shouheng Li and Dongwoo Kim and Qing Wang},
journal= {arXiv preprint arXiv:2403.06080},
year = {2024}
}
备注
22 pages, 8 figures