中文

图神经网络中长程相互作用的测量

机器学习 2025-06-09 v1 人工智能

摘要

长程图任务——即依赖于远端节点之间相互作用的任务——是图神经网络研究中的开放问题。实际世界基准任务,特别是长程图基准测试,因其在验证所提出架构长程能力方面的作用而变得流行。然而,这种方法是经验性的,缺乏鲁性与理论依据;需要更加原则化的长程问题表征。为弥合这一鸿沟,我们对图任务中的长程相互作用进行形式化建模,引入图上算子的范围度量,并通过合成实验进行验证。随后,我们利用该度量检验常见任务与架构,讨论它们实际上在多大程度上属于长程问题。我们认为本工作推动了在图上定义和解决长程问题的努力,而我们的范围度量将有助于评估新数据集和新架构。

关键词

引用

@article{arxiv.2506.05971,
  title  = {On Measuring Long-Range Interactions in Graph Neural Networks},
  author = {Jacob Bamberger and Benjamin Gutteridge and Scott le Roux and Michael M. Bronstein and Xiaowen Dong},
  journal= {arXiv preprint arXiv:2506.05971},
  year   = {2025}
}

备注

ICML 2025