Weisfeiler-Lehman 距离：重新诠释及其与图神经网络的关系
机器学习
2023-10-03 v3
摘要
在本文中，我们利用随机过程的概念，对 Chen 等人（2022）提出的所谓 Weisfeiler-Lehman（WL）距离给出了一种新的诠释。WL 距离旨在比较带有节点特征的图，具有与经典 Weisfeiler-Lehman 图同构测试相同的判别能力，并且与 Gromov-Wasserstein 距离有深刻的联系。这一新诠释将 WL 距离与随机过程距离的相关文献联系起来，也使得该距离的解释更加易懂和直观。我们进一步探讨了 WL 距离与某些消息传递神经网络之间的联系，并讨论了 WL 距离对于理解这些网络的 Lipschitz 性质与通用逼近结果的意义。
引用
@article{arxiv.2302.00713,
title = {The Weisfeiler-Lehman Distance: Reinterpretation and Connection with GNNs},
author = {Samantha Chen and Sunhyuk Lim and Facundo Mémoli and Zhengchao Wan and Yusu Wang},
journal= {arXiv preprint arXiv:2302.00713},
year = {2023}
}